Отчет о выполнении НИОКР по теме: "Разработка платформы поддержки принятия решения в сельском хозяйстве (земледелии) на основе алгоритмов распознавания изображений со спутников и БПЛА и анализа больших данных." (договор №157ГРЦТС10-D5/61871 от 17.09.2020). Этап №1"Подготовка требований к базе данных дистанционного зондирования земли (ДЗЗ) и базе изображений полученных с беспилотного летательного аппарата (БПЛА) для обучения и тестирования алгоритмов распознавания спутниковых изображений и анализа больших данных для умного земледелия. Выбор классов, соответствующих различным типам сельскохозяйственных территорий и дополнительных объектов (облака, тени). Получение и обработка данных ДЗЗ. Проведение съемки и геопривязка изображений с БПЛА. Разработка методики экспертной разметки и процесса валидации для спутниковых изображений и изображений с БПЛА. Экспертная векторная разметка изображений с использованием свободных геоинформационных систем с открытым кодом, валидация размеченных данных.Преобразование данных к виду, требуемому для обучения и тестирования нейросетевых алгоритмов глубокого обучения." (промежуточный)

Целью выполнения первого этапа НИОКР было создание и обработка базы изображений сельскохозяйственных угодий, как основы для дальнейшего процесса обучения нейросетевых алгоритмов детектирования и классификации объектов. Для достижения поставленной цели на данном этапе НИОКР в соответствии с календарным планом решены следующие основные задачи: — подготовка требований к базе данных дистанционного зондирования земли (ДЗЗ) и базе изображений полученных с беспилотного летательного аппарата (БПЛА) для обучения и тестирования алгоритмов распознавания спутниковых изображений и анализа больших данных для умного земледелия; — выбор классов, соответствующих различным типам сельскохозяйственных территорий и дополнительных объектов (облака, тени); — получение и обработка данных ДЗЗ; — проведение съемки и геопривязка изображений с БПЛА; — разработка методики экспертной разметки и процесса валидации для спутниковых изображений и изображений с БПЛА; — экспертная векторная разметка изображений с использованием свободных геоинформационных систем с открытым кодом, валидация размеченных данных; — преобразование данных к виду, требуемому для обучения и тестирования нейросетевых алгоритмов глубокого обучения. Итогом решения перечисленных задач на данном этапе НИОКР стала сформированная база размеченных изображений для обучения и тестирования нейросетевых алгоритмов.