Ученые Пермского национального исследовательского политехнического университета (ПНИПУ) разработали методику подготовки данных для нейросетей, повышающую точность поиска несанкционированных свалок. В ходе исследования показатель точности классификации вырос с 56% до 95%.
Для обучения модели исследователи использовали более 100 000 спутниковых снимков различных регионов России. Дополнительно была создана программа, которая автоматически собирает из открытых источников геопространственные характеристики территорий, включая рельеф и плотность населения.
В обучающую выборку включили изображения карьеров, промышленных зон и строительных площадок, которые часто ошибочно принимаются нейросетями за свалки. Это позволило снизить количество ложных срабатываний примерно в 24 раза.
Результаты работы опубликованы в вестнике «Прикладная математика и вопросы управления». Разработка призвана помочь экологическим службам и надзорным органам автоматизировать мониторинг территорий и сократить объем ручной проверки снимков.
