Источник: Фото - САФУ им. М.В. Ломоносова
Студент САФУ разработал подход к обнаружению айсбергов с помощью нейросетей
04.06.2025
Несмотря на то, что современные спутниковые системы обеспечивают глобальное покрытие всей поверхности Земли, остаётся актуальной проблема расшифровки спутниковых и радиолокационных снимков. Студент САФУ имени М.В. Ломоносова (г. Архангельск) Матвей Караткевич исследовал проблему идентификации айсбергов на радиолокационных изображениях и предложил собственное решение.
Радиолокационные методы позволяют выявлять аномалии в сигнале, но не могут определить их природу: является ли отражение айсбергом, кораблём или следствием волнения на водной поверхности. В отличие от оптической съёмки, радиолокационная система "ощупывает" поверхность радиоволнами и способна работать в любое время суток и условиях плохой видимости — поэтому её активно используют в мореплавании.
Для решения проблемы Матвей предложил применять нейронные сети для классификации объектов на радиолокационных снимках. Например, можно обучить нейросеть распознавать характерные признаки кораблей — повышенную яркость отражённого сигнала или типичное соотношение длины и ширины судна.
Как отмечает студент, ранее некоторые компании уже пытались использовать нейросети для обнаружения айсбергов на РЛС-изображениях. Однако такие модели показывали недостаточно высокую точность сегментации и классификации.
"Для достижения высокой точности модель необходимо обучать на большом объёме данных. Проблема в том, что большинство сервисов, предоставляющих радиолокационные снимки, платные, а среди бесплатных ресурсов мало подходящих данных", — пояснил Матвей.
Для преодоления этого ограничения он предложил искусственно увеличивать объём обучающей выборки за счёт визуальных аугментаций: добавление шума, зеркальное отражение, повороты изображений и другие преобразования. Также студент рекомендует использовать современные архитектуры нейронных сетей, такие как последние версии YOLO, которые позволят решать задачу детектирования айсбергов быстрее и с меньшими вычислительными затратами по сравнению с традиционными методами.
Столкновения кораблей с айсбергами — большая редкость, тем не менее, совершенствование систем их обнаружения остаётся важным. Во-первых, возрастает интенсивность использования арктических морских путей, что увеличивает объёмы данных, необходимых для надёжного детектирования. Во-вторых, айсберги отличаются непредсказуемой траекторией движения, усложняя прогнозирование их поведения. В-третьих, в связи с глобальным потеплением, количество айсбергов в океане продолжает расти, что усиливает необходимость точных и своевременных методов их выявления.
Источник: САФУ имени М.В. Ломоносова
Радиолокационные методы позволяют выявлять аномалии в сигнале, но не могут определить их природу: является ли отражение айсбергом, кораблём или следствием волнения на водной поверхности. В отличие от оптической съёмки, радиолокационная система "ощупывает" поверхность радиоволнами и способна работать в любое время суток и условиях плохой видимости — поэтому её активно используют в мореплавании.
Для решения проблемы Матвей предложил применять нейронные сети для классификации объектов на радиолокационных снимках. Например, можно обучить нейросеть распознавать характерные признаки кораблей — повышенную яркость отражённого сигнала или типичное соотношение длины и ширины судна.
Как отмечает студент, ранее некоторые компании уже пытались использовать нейросети для обнаружения айсбергов на РЛС-изображениях. Однако такие модели показывали недостаточно высокую точность сегментации и классификации.
"Для достижения высокой точности модель необходимо обучать на большом объёме данных. Проблема в том, что большинство сервисов, предоставляющих радиолокационные снимки, платные, а среди бесплатных ресурсов мало подходящих данных", — пояснил Матвей.
Для преодоления этого ограничения он предложил искусственно увеличивать объём обучающей выборки за счёт визуальных аугментаций: добавление шума, зеркальное отражение, повороты изображений и другие преобразования. Также студент рекомендует использовать современные архитектуры нейронных сетей, такие как последние версии YOLO, которые позволят решать задачу детектирования айсбергов быстрее и с меньшими вычислительными затратами по сравнению с традиционными методами.
Столкновения кораблей с айсбергами — большая редкость, тем не менее, совершенствование систем их обнаружения остаётся важным. Во-первых, возрастает интенсивность использования арктических морских путей, что увеличивает объёмы данных, необходимых для надёжного детектирования. Во-вторых, айсберги отличаются непредсказуемой траекторией движения, усложняя прогнозирование их поведения. В-третьих, в связи с глобальным потеплением, количество айсбергов в океане продолжает расти, что усиливает необходимость точных и своевременных методов их выявления.
Источник: САФУ имени М.В. Ломоносова