«Мы "обучаем" мир технологический возможностям мира природного»
Как «зрение» спутника позволяет «посмотреть» влажность почвы, что прячут бабочки от глаз человека и зачем учить нейросеть искать огурцы, в интервью Indicator.Ru рассказал профессор кафедры технической кибернетики Самарского университета Николай Казанский. — Тема гранта РНФ, полученного учеными кафедры — «Система мониторинга сельскохозяйственных показателей в видимом, инфракрасном и гиперспектральном режимах съемки». Расскажите, в чем суть исследования? — Начну с предыстории. Специалисты нашей кафедры ранее были задействованы в большом космическом проекте — разработке гиперспектральной аппаратуры для платформы малых космических аппаратов (МКА). Например, для семейства «Аист-2» — универсальной платформы МКА, созданной партнерством Самарского университета и РКЦ «Прогресс». Такие спутники до десяти раз легче привычных аппаратов дистанционного зондирования Земли. И требования к их целевой и вспомогательной аппаратуре — соответствующие. Наша задача была обеспечить МКА «зрением», для этого мы создали компактный космический гиперспектрометр и разработали методы обработки гиперспектральной информации. Причем, мы уменьшили вес (до пяти килограммов) и энергопотребление этого оборудования для МКА в десятки раз по сравнению с оборудованием, установленном на «больших» спутниках. Энергопотребление — важный параметр для космических аппаратов, «питающихся энергией от солнечных батарей. Для сравнения — схожее по функционалу оборудование на «Ресурс-П» №2 весит около 300 кг. После создания этого оборудования мы задумались, где и как его можно было бы еще применять — например, на беспилотных летательных аппаратах или на роботах. Ведь робот не нуждается в обычном, привычном для человека, цветном изображении. Ему важно «видеть» объекты в том диапазоне, который важен для решения той или иной конкретной задачи. — Где и для чего может использоваться гиперспектральная информация? — Гиперспектральное изображение позволяет увидеть множество вещей, которые на обычном черно-белом или цветном изображении глазу не видны. Для понимания скажу — различные длины волн активно используют обитатели животного мира. Например, чайки в зависимости от погоды выпускают специальную пленочку на глаза, которая позволяет им видеть в воде на определенной глубине рыбу, за которой они ныряют. А некоторые виды бабочек раскрывают богатый рисунок крылышек для потенциального партнера не в видимом человеку спектре, а только на определенной длине волны. Так что в каком-то смысле мы «обучаем» мир технологический возможностям мира природного. Нашими технологиями интересуются, и один из «интересантов» стал нашим партнером в исследовании - это Институт проблем мелиорации сельскохозяйственной академии наук (Российский НИИ проблем мелиорации – Indicator.Ru) из Новочеркасска. — А что именно заинтересовало институт? — Возможности нашего гиперспектрального оборудования по определению влажности почвы. Дело в том, что влага очень хорошо видна на некоторых длинах волн ближнего инфракрасного диапазона. То есть, если смотреть на обычное изображение почвы, то понять нужно поливать это место или воды там уже достаточно, невозможно. А в ближнем ИК-диапазоне, если захватить так называемый диапазон SWIR, это можно сказать точно. — Какие возможности эти технологии дают в практическом применении? — Это дает возможность оснастить гиперспектральным оборудованием машину, которая, например, занимается поливом. И искусственный интеллект на основе гиперспектральных данных мгновенно определит - нужно поливать данный участок поля или нет, выключит или включит определенные форсунки на поливальной машине. Кроме этого, можно «посмотреть», растет ли что-то на определенном участке земли для того, чтобы не тратить зря воду — если там, к примеру, так и не проросло то, что было посеяно ранее. Эта технология экономит средства, по сути, мы имеем дело с умным сельским хозяйством, что для нашей страны вещь далеко не последняя. Но это не все, на что способна наша технология, она позволяет «видеть», чем больно то или иное растение — заболевания видны в определенных диапазонах, и позволяет понять, чем растение поражено, чего не хватает ему и почве. — В отличие от съемок из космоса, которые позволяют делать фотографии и с разной высоты, и с различным разрешением, ваша технология вплотную приближена к Земле. — Из космоса можно увидеть не все. Часть важных для распознавания длин волн поглощает атмосфера Земли, а некоторые детали слишком мелкие. Тот же огурец, который неразличим в зелени, но благодаря тому, что на 90% процентов состоит из воды, хорошо виден в ближнем ИК-диапазоне. Для автоматической сборки можно обучить нейросеть поиску огурцов под листьями и на их фоне и оценивать — созрел овощ или еще нет, оставить его или сорвать. Для сельского хозяйства задач множество и они весьма нестандартные. При этом для сельского хозяйства важно, чтобы технология была экономически выгодной и надежной. А это значит, что стоимость нашей аппаратуры должна составлять небольшой процент от стоимости всей поливальной машины. Это не научная задача, потому что с точки зрения физики как вы открыли девятую планету — рассчитав по формуле или посмотрев в телескоп, не важно. Главное, вы ее обнаружили, а сколько при этом затратили денег, сколько синхрофазотронов построили — не важно. Это не фундаментальная задача, но для сельского хозяйства она, безусловно, актуальна. — Ученые университета примут участие в создании этого софта для обучения будущего оборудования? — Да. Ведь «железка» без софта, без программного обеспечения, «не поймет», что она сняла. Нужно обучать нейронную сеть, чтобы она могла анализировать: сколько фосфора не хватает почве, или определяла — вот такой-то микроб или вирус напал на ваше растение, соответственно, ему нужно такое-то лечение. Для нейронной сети ситуация может выглядеть как провал на длинах волн, характерных для того же фосфора. — А есть ли понимание, кто мог бы заняться непосредственно производством гиперспектральной техники для сельского хозяйства? — В части ключевых элементов системы — а это оптика и сборка оборудования — Самарский университет. Изготовлением же корпуса могут заняться другие стороны проекта. Наше исследование является междисциплинарным, и помимо нас в нем также участвуют Институт проблем мелиорации, Институт проблем передачи информации им. А.А. Харкевича РАН. Ученые ИППИ РАН специализируются на искусственном интеллекте, интеллектуальном анализе цветных и мультиспектральных изображений и будут работать над проектом в этих направлениях совместно с сотрудниками кафедры технической кибернетики, а также кафедры суперкомпьютеров и общей информатики нашего университета. Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще. Подписывайтесь на Indicator.Ru в соцсетях: Facebook, ВКонтакте, Twitter, Telegram, Одноклассники.
