РИД
№ 622030100023-9Программа ЭВМ для автоматического обнаружения борщевик " Сосновского"
01.03.2022
Программа предназначена для обнаружения борщевика Сосновского на аэрофотоснимках. Программа может использоваться в геоинформационных системах. ОС: любая Основные библиотеки: pyTorch, segmentation_models_pytorch, matplotlib. Запускается на любых ПК, но желательно наличие гпу. Нейронна сеть: MANet. Функциональные возможности программы: изначально собирается и обрабатывается датасет, представляющий из себя спутниковые снимки размером 3917 на 9702 пикселей. Каждый снимок имеет 7 слоев. Затем эти снимки обрабатываются: делятся на более мелкие и нормализируются по значению пикселей. Этот датасет разделяется на тренировочную и тестовую выборку в соотношении 2 к 1. Затем строится глубокая нейронная сеть MANet, она обучается на данных снимках и его обученные веса сохраняются. Дальше происходит проверка точности модели на тестовых данных.
ГРНТИ
68.37.05 Прогнозы и сигнализация появления и развития вредителей, болезней растений и сорняков
Ключевые слова
поиск борщевика
модели
космические снимки
базы данных
Детали
НИОКТР
Тип РИД
Программа для ЭВМ
Сферы применения
Поиск произрастания борщевика "Сосновского" на сельскохозяйственных полях.
Ожидается
Исполнитель
Исполнители
ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "АЭРОСПЕЙС-АГРО"
Заказчик
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ "ФОНД СОДЕЙСТВИЯ РАЗВИТИЮ МАЛЫХ ФОРМ ПРЕДПРИЯТИЙ В НАУЧНО-ТЕХНИЧЕСКОЙ СФЕРЕ"
Похожие документы
Разработка прототипа алгоритма машинного обучения для определения негативных факторов развития сельскохозяйственных культур на основе данных дистанционного зондирования.
0.905
ИКРБС
Апробирование алгоритмов машинного обучения на примере территории, которая не использовалась для ее обучения. Тестирование работоспособности алгоритма на примере данных дистанционного зондирования разного характера.
Определение основных преимуществ и недостатков разработанной модели. Определение соответствия требуемым критериям точности.
Доработка гиперпараметров разработанного алгоритма и оптимизация кода. Тестирование по результатам доработка.
0.903
ИКРБС
Программа для определения экземпляров растений агроценозов подсолнечника по RGB-изображениям с БПЛА
0.879
РИД
Среда моделирования нейросетевого анализа фотографий подсолнечника с использованием метода сегментации пораженных частей растения для выявления заболеваний
0.878
РИД
Идентификация сорной растительности на полях сельскохозяйственных культур по беспилотным данным
0.876
РИД
«Программа определения степени засоренности посевов сельскохозяйственных культур по гиперспектральным данным сверхвысокого разрешения»
0.875
РИД
Разработка прототипа алгоритма машинного обучения для определения негативных факторов развития сельскохозяйственных культур на основе данных дистанционного зондирования
0.871
ИКРБС
Программа для определения экземпляров растений агроценозов кукурузы по RGB-изображениям с БПЛА
0.871
РИД
Исследования определения наиболее эффективных алгоритмов машинного обучения для обработки данных дистанционного зондирования. Определение наиболее информативных признаков для детектирования негативных сценариев развития сельскохозяйственной растительности на полях. Разработка базы данных космических снимков и метеорологических.
Разработка алгоритм получения, хранения и обработки данных для машинного обучения. Тестирование алгоритмов машинного обучения на территории тестовой выборки. Оценка точности модели.
0.870
ИКРБС
Программа для классификации (на основе сверточных нейронных сетей) геопривязанных массивов данных, полученных в результате мульти- и гиперспектральной съемки растений картофеля с различной интенсивностью хозяйственно-значимых заболеваний (вирусных и оомицетных) и физиологических стрессов, а также RGB-изображений, полученных в результате съемки таких растений с БПЛА
0.870
РИД