С помощью ИИ-модуля можно ускорить работу с геоданными и получить результат за несколько минут, и все это в одном окне.
Простой и удобный ИИ-анализ геоданных для управления инфраструктурой, распознавания вырубок, границ земель сельхозназначения и иных классов.
Источники данных для ИИ-анализа
В качестве источника данных можно использовать:
— космоснимки;
— аэрофотосъемку и ортофотоплан;
— архивные карты;
— пользовательские растровые данные, а также слои по протоколу WMS/TMS;
— базовая подложка космоснимков внутри платформы GeoHub также доступна для сегментации.
Для анализа городской застройки подойдет область размером с городской квартал. Для сельского, лесного хозяйства и иных отраслей проводить ИИ-анализ лучше на территории в несколько десятков кв. км.
При работе с ИИ-модулем можно настроить не только источники данных, но и сам метод анализа территории. Сейчас ИИ-модуль способен проводить автоматизированную сегментацию, ручную сегментацию или сегментацию определенных объектов на основе текстового или голосового запроса.
Автоматическая сегментация
Автоматическая сегментация сельскохозяйственных полей
Для анализа в сельском хозяйстве за несколько секунд можно получить информацию о десятках полей — границ полей или распаханных угодьях.
В градостроительстве — автоматически получить данные об объектах городской среды, зданиях, дорогах, автомобилях и т. д.
В лесной отрасли ИИ-модуль поможет быстро найти участки леса или вырубки.
2. Сегментация на основе текстового или голосового запроса
Для работы просто используйте голосовой или текстовый ввод, задав любые объекты, области или ландшафты. С помощью этого метода можно быстро определить различные классы:
— в сельском хозяйстве — границы полей;
— в лесном — участки лесной растительности;
— в городском — крыши зданий, дорог и автомобилей, и даже людей (на качественном аэрофотоснимке);
— экологии — выявление нормативных нарушений (незаконных свалок).
Распознавание сельскохозяйственных полей с помощью ИИ-модуля
На основе текстового запроса за несколько секунд ИИ-модуль в Geohub оцифровал автомобили
3. Ручная сегментация целевых и нецелевых объектов
Сегментация целевых и нецелевых объектов в ИИ-модуле Geohub
С помощью ручной сегментации можно выбрать целевые и нецелевые объекты для финального отображения на слое. Для точного результата указываем в настройках то, что хотим получить, и задаем то, что не хотим видеть в качестве объектов.
Так, для анализа в сельском хозяйстве в качестве целевого объекта мы можем указать поле, а нецелевым — деревья на области выбранного поля.
Используя ручной метод ИИ-модуля, можно распознать, к примеру, вырубки, исключив другие объекты, которые не нужны для дальнейшей работы — дороги или населенные пункты.
Результаты анализа можно сохранить в отдельном слое или добавить полученные объекты к текущему.
«Мы протестировали работу ИИ-модуля для определения объектов в разных отраслях. Простота настроек, скорость получения результатов, интуитивно-понятный интерфейс и способность работать с разными источниками данных делают наш инструмент не только инновационным, но и простым, доступным для широкого круга специалистов. Теперь сложные задачи решаются быстрее и эффективнее, даже для тех, кто ранее не работал с нейронными сетями. Точность распознавания классов еще нуждается в корректировке, многое зависит от особенностей территории, от качества источников данных. Но то, что это уже сейчас позволяет ускорить процессы оцифровки и получить результат – это факт. Простор для улучшения и оптимизации данного Модуля довольно большой, мы точно будем совершенствовать его в рамках следующего года», — поделился руководитель направления разработки и развития продуктов в «Инногеотех» Алексей Миролюбов.
