Технология повысит эффективность использования земли в сельскохозяйственных целях
Российские специалисты разработали нейронную сеть, способную анализировать изображения рентгеновской томографии для определения свойств почвы. Об этом сообщает ТАСС со ссылкой на пресс-службу Российского научного фонда.
Ученые проверили, может ли нейросеть эффективно определять пористость и строение почвы по изображениям рентгеновской томографии. Часто невозможно оценить эти параметры без вмешательства человека, так как современные методы обработки изображений с участием оператора часто приводят к ошибкам. Предложенный подход позволяет это сделать всего с 5% ошибок и в будущем поможет оценивать структурное состояние почвы, в том числе для нужд сельского хозяйства,из сообщения РНФ.
Пористость является одним из главных параметров почвы, от которого зависит степень удержания воздуха и влаги, а также различных химических соединений. Такие данные необходимы для грамотного проектирования инфраструктур. Для анализа морфологии почвы применяется метод рентгеновской компьютерной томографии, позволяющий получить трехмерные изображения внутреннего строения слоя земли без необходимости проводить раскопки. Однако для оценки свойств почвы, снимки необходимо обработать. Характеристика параметров изучаемой почвы зависит от степени сегментации изображения.
По словам одного из авторов научной работы Кирилла Герке, ранее сегментация делалась вручную, а результаты зависели от восприятия специалиста. В современном методе применяются нейронные сети, обученные на данных из общедоступных библиотек изображений. Вмешательство человека требуется только на этапе обучения системы.
Для создания нового алгоритма, способного проводить точный анализ без помощи ученых, специалисты применили гибридную архитектуру нейронной сети ResNet-101 + U-net. В рамках испытаний алгоритм протестировал семь РКТ-снимков почвы. Погрешность для некоторых образцов составила всего 5%. Такой показатель, по мнению авторов работы, говорит о большей точности нейросети, по сравнению с существующими автоматическими аналогами.
