Skoltech科学家为农业应用开发了一种新的监控系统，该系统可在无人机上执行实时图像分割以识别猪草。这项研究发表在著名的期刊《IEEE Transactions on Computers》上。
Sosnovsky的猪草对农业，当地生态系统和人类健康同样有害中国机械网okmao.com。与人皮肤的直接接触，特别是如果暴露在阳光下加剧，会导致严重的烧伤，需要持续的医疗护理并需要数周的时间才能治愈。
Sosnovsky猪草的猖spread传播已成为一场真正的环境灾难，遍及整个俄罗斯，从俄罗斯中部到西伯利亚，再到卡累利阿再到高加索地区。每年，政府都会拨出巨额预算（去年，仅莫斯科就拨款3.5亿卢布），以消灭猪草。消除有毒植物已成为俄罗斯农业，环境和医疗保健面临的最大挑战之一。
鉴于其快速生长，低维护要求和快速繁殖，在20世纪中叶，有计划将猪草用作饲料作物。然而，很快就发现猪猪不适合作为牲畜饲料，其卓越的自然特性是一个主要问题，而不是优势。一棵植物每年可以生产多达100,000个种子，这些种子很容易被风吹散。这意味着意外遗留的单个工厂使清算操作完全毫无意义。
Skoltech计算与数据密集型科学与工程中心（CDISE）的研究人员在两年前开始开发其监控平台时遇到的第一个问题是准确地实时进行了猪猪的实时定位。“传统的监测方法不够有效，因为地面观测高度依赖于人为因素，而空间遥感只能发现大片的灌木丛。
卫星图像的分辨率不足以分辨单个植物。此外，传统的监测强烈依赖于天气和卫星重访期间，因此无法提供最新信息。”主要作者和Skoltech博士说。毕业生亚历山大·门什奇科夫（Alexander Menshchikov）解释道。
研究人员决定使用即使在多云的天气下也能够捕获最新的高分辨率霍格维德影像的无人机，并选择了在无人机上进行机载数据采集和处理，而不是经典的“数据捕获-正射影像图”数据分析”方案。“尽管传统方法提供了有关该区域的详尽信息，但其效果几乎与处理一种类型的物体（即Sosnovsky的猪草）在船上分割数据一样有效。
此外，在传统方法中，飞行后图像拼接和分析需要空中飞行需要几个小时，而实时处理会产生实时数据，这些数据会立即下载到基站，这样就可以在无人机着陆之前就开始清除目标区域。”
带有区域的正射影像，由Hogweed占据（以绿色突出显示）。
新的监控解决方案使用无人机和紧凑型车载计算机，该计算机运行基于完全卷积神经网络（FCNN）的“重”分割算法，该算法可以逐像素识别不规则形状的物体（在本例中为Sosnovsky的猪猪） 。这将有助于辨别单个植物，并增加杀死选定区域中所有杂草的机会。
在单板计算机（SBC）等低功耗硬件上运行FCNN是该项目的主要障碍。由于只有有限数量的计算机具有支持FCNN的足够资源和处理器，因此研究人员必须找到合适的SBC架构并优化FCNN才能使其在选定的硬件版本上运行。
“我们为神经网络选择了流行的架构UNet，SegNet和ResNet，并将其应用于SBC。我们在无人机上安装并飞行测试了我们的监控系统，该监控系统在40分钟内覆盖了28公顷的区域，飞行高度为10米。它没有错过任何一棵杂草，” Skoltech助理教授兼项目主管Andrey Somov说道。
“即使以0.7 fps的适度速度处理4K图像，我们的系统也显示出本地化效率的翻倍增长，” Andrey补充说。
这种新方法对农业具有广阔的前景：它可以用于监测其他农作物，识别各种营养指标，评估植物健康并通过应用多光谱图像来检测植物病害。