Рубрикатор | ![]() |
![]() |
Все новости | ![]() |
Новости отрасли | ![]() |
![]() |
ИИ-агропилоты научились различать неразличимые человеком области
25 апреля 2024 |
Cognitive Pilot разработала технологию Cognitive Border Recognition, позволяющую с промышленной точностью распознавать границы обработанных и необработанных техникой областей, которые во многих случаях неразличимы человеческим взглядом, и осуществлять по ним навигацию по компьютерному зрению с сантиметровой точностью. Эта возможность позволила существенно расширить области применимости систем автопилотирования.
До недавнего времени такие задачи традиционно решались средствами автопилотирования без использования ИИ, – GPS-навигацией по спутниковому сигналу. Однако с уходом зарубежных компаний-производителей систем GPS-навигации с российского рынка и прекращению ими поддержки пользователей, точность выполнения сельхозопераций техникой, оснащенной GPS-навигаторами, снизилась в несколько раз. Кроме того, проблема отсутствия GPS-сигнала в областях, близких к зоне проведения СВО, сделала использование GPS-навигации полностью невозможной.
Специалисты Cognitive Pilot научились выделять ключевые признаки границы, разделяющую зоны обработанной и необработанной части поля для всех сельхоз- операций. Это стало основой Cognitive Border Recognition.
«Мы применили нейросетевой механизм уточнения границ. По анализу поступающих с камер изображений и имеющимся признакам границы раздела областей поля мы имеем возможность выделять наиболее вероятные зоны, содержащие эту границу, уточнять данные о ее наличии и подтверждать такую принадлежность. Другими словами, сеть стала обращать внимание даже на незначительные перепады в текстурах поля и более точно определять границы. Это наше ноу-хау. До нас это еще никто не использовал», – отмечает ведущий разработчик Cognitive Pilot Геннадий Савицкий.
Кроме того, на финальном этапе обработки, специалисты Cognitive Pilot интегрировали в архитектуру нейронной сети классическую технику преобразования Хафа, что позволило использовать глобальные признаки без сильного увеличения глубины сети. При этом подходе этапы обработки данных проходят более эффективно.
В таких сложных случаях, как опрыскивание, полив и т.п., для достижения нужной точности распознавания обработанной и необработанной зон поля, разработчики используют инфракрасное излучение.
Источник: Cognitive Technologies
Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!
Оставить свой комментарий:
Комментарии по материалу
Данный материал еще не комментировался.