Библиографическое описание:КЛАССИФИКАЦИЯ СТЕПЕНИ ПОВРЕЖДЕНИЯ ДЕРЕВА НА АЭРОСЪЕМКАХ С ПОМОЩЬЮ АРХИТЕКТУР YOLO : доклад, тезисы доклада / А. Е. Толмачева, А. Н. Сафонова. - [Б. м. : б. и.], 2020. - Текст : непосредственный // РЕГИОНАЛЬНЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ : Материалы VII Международной научной конференции / Сибирский федеральный университет, Институт космических и информационных технологий ; VII-я Международная научная конференция "Региональные проблемы дистанционного зондирования Земли" (2020 ; 29.09 - 02.10 ; Красноярск) : Сибирский федеральный университет, 2020. - С. 148-152. - ISBN 9785763843897.
Аннотация:Мониторинг состояния растительности и своевременное отслеживание негативных процессов является актуальным во всем мире. Одной из основных задач специалистов в области лесного хозяйства является контроль лесовосстановительных работ и мониторинг процессов лесовосстановления вследствие разных причин гибели леса. Основанием последнего могут выступать пожары, насекомые, неблагоприятные погодные условия и др. Отслеживание состояния леса наилучшим образом осуществляется с привлечением данных дистанционного зондирования Земли и разных алгоритмов их обработки. В настоящей работе представлен эксперимент автоматической классификации степени заражения дерева по данным аэросъемки с использованием искусственных нейронных сетей YOLO и их сравнение между версиями.
Monitoring the state of vegetation and timely tracking of negative processes is relevant worldwide. One of the main tasks of specialists in the field of forestry is the control of reforestation and monitoring of reforestation processes due to various causes of forest death. The basis of the latter may be fires, insects, adverse weather conditions and more. Tracking the state of the forest in the best way is carried out using data from remote sensing of the Earth and various algorithms for their processing. In this paper, we present an experiment on the automatic classification of the degree of infection of a tree according to aerial survey data using YOLO artificial neural networks and their comparison between versions.
