Ученые Самарского университета имени Королева сделают первую российскую открытую платформу для сбора и анализа гиперспектральных данных, получаемых со спутников и беспилотных летательных аппаратов. Об этом во вторник ТАСС сообщили в пресс-службе вуза.

"Ученые Института искусственного интеллекта Самарского университета имени Королева в течение полутора лет разработают первую общедоступную платформу для сбора и обработки гиперспектральных данных дистанционного зондирования Земли (ДЗЗ), получаемых со спутников и беспилотных летательных аппаратов и используемых в сферах умного агропрома и экологического мониторинга. Автоматическая обработка этих данных с помощью нейросетей и специальных алгоритмов позволит улучшать качество гиперспектральных изображений, "очищая" их от искажений", - рассказали в пресс-службе Самарского университета.

Проект планируется реализовать за счет средств гранта Фонда содействия инновациям объемом 10 млн рублей.

Существующие программные комплексы для обработки гиперспектральных данных, в основном, разработаны в США. Для достижения технологического суверенитета в России необходимо создать собственную платформу для анализа таких данных. Ученые планируют разработать платформу, которая будет использовать сквозную технологию сбора и анализа гиперспектральных данных на основе глубокого обучения.

"Она будет написана на языке Python и размещена на известном веб-сервисе GitHub, что сделает ее использование и расширение доступным для максимального числа потенциальных пользователей. Предварительная обработка изображений на этой платформе будет включать в себя в том числе возможность компенсации артефактов съемки и комплексного объединения с данными из других источников", - рассказал директор Института искусственного интеллекта профессор Артем Никоноров.

По его словам, во время продолжительной гиперспектральной съемки может наблюдаться неоднородность освещения из-за изменений погоды, возникать различные цифровые шумы и геометрические искажения. Эти проблемы можно компенсировать на платформе с помощью алгоритмов, которые ранее разработали ученые Самарского университета. Платформа позволит принимать данные с гиперспектрометров как российского, так и зарубежного производства.

Использование гиперспектральных снимков

Гиперспектральное дистанционное зондирование Земли из космоса позволяет получать данные, полезные для решения задач в геологии, экологии, сельском и лесном хозяйствах и в других областях. В отличие от обычных такие изображения имеют десятки или сотни спектральных каналов, что позволяет обнаружить невидимые для обычных камер различия в наблюдаемых объектах. Например, гиперспектральные снимки зеленых насаждений и сельскохозяйственных культур позволяют определить вид растений, их состояние, наличие необходимых минеральных веществ, степень увлажнения почвы и другие характеристики.

Платформа самарских ученых поможет проанализировать гиперспектральные данные не только в сфере ДЗЗ, но и в медицине, промышленности и других отраслях. Например, она может помочь при определении онкозаболеваний, патологий сердца, а также определить породы, их химический состав, качество сырья и готовой продукции.

"Актуальность и востребованность предлагаемой разработки подтверждается большим количеством писем поддержки проекта от коммерческих компаний, университетов, научно-образовательного центра мирового уровня "Инженерия будущего" и органов госуправления", - сообщил Никоноров.

Команда ученых, которая разработает платформу, обладает опытом создания подобных решений с открытым кодом. Ранее они разработали и опубликовали на GitHub открытую платформу OpenNFT, предназначенную для реализации проектов в области нейробиологической обратной связи на основе данных функциональной МРТ. На платформе OpenNFT можно увидеть и проанализировать активность мозга в режиме реального времени. Сейчас она успешно используется в ряде известных университетов и научно-исследовательских центрах мира: в Федеральной политехнической школе Лозанны (Швейцария), Йельском и Колумбийском университетах (США), Университете Суррея (Великобритания) и других научных центрах.