Автопилот научили распознавать невидимые для человека границы
Изображение: Shutterstock / Andrii Yalanskyi
Компания разработала технологию Cognitive Border Recognition, которая с промышленной точностью распознает границы обработанных и необработанных техникой участков, которые часто остаются незамеченными человеком, и позволяет осуществлять по ним навигацию с использованием компьютерного зрения с сантиметровой точностью. Это значительно расширило области применимости систем автопилотирования.
Граница обработанной и необработанной областей поля неразличима человеческим взглядом. Cognitive Border Recognition точно находит границу.
До недавнего времени подобные задачи традиционно решались с помощью систем автопилотирования по сигналам GPS-спутников. Однако, с уходом зарубежных компаний-производителей с российского рынка и прекращением поддержки, пользователи столкнулись с существенным снижением точности выполнения работ при использовании подобной техники. Кроме того, проблема отсутствия GPS-сигнала в районах, близких к зонам проведения специальных военных операций, сделала их применение совершенно невозможным.
Специалисты Cognitive Pilot научились выделять ключевые признаки границы, разделяющую зоны обработанной и необработанной части поля для всех сельхоз-операций. Это стало основой Cognitive Border Recognition.
«Мы применили нейросетевой механизм уточнения границ. По анализу поступающих с камер изображений и имеющимся признакам границы раздела областей поля мы имеем возможность выделять наиболее вероятные зоны, содержащие эту границу, уточнять данные о ее наличии и подтверждать такую принадлежность. Другими словами, сеть стала обращать внимание даже на незначительные перепады в текстурах поля и более точно определять границы. Это наше ноу-хау. До нас это еще никто не использовал», говорит Геннадий Савицкий.
На заключительном этапе обработки, специалисты компании Cognitive Pilot интегрировали классическую технику преобразования Хафа в архитектуру нейронной сети, что позволило использовать глобальные признаки (например, границы зон обработанных и необработанных участков) без значительного увеличения глубины сети. Такой подход позволяет более эффективно обрабатывать данные.
В сложных случаях, таких как опрыскивание, полив и другие аналогичные процессы, для достижения необходимой точности распознавания обработанных и необработанных зон на поле разработчики используют инфракрасное излучение.
