Метод измерения диаметров деревьев на основе технологий искусственного интеллекта

В современном лесном хозяйстве, акцентирующем внимание на устойчивом использовании ресурсов, ключевым становится внедрение информационных технологий, обеспечивающих точную оценку лесных ресурсов для обеспечения эффективного управления, заготовки и переработки. Исследование фокусируется на разработке метода распознавания стволов деревьев с применением современных технологических решений. Применение технологий искусственного интеллекта (ИИ) значительно трансформировало подходы к измерению и анализу физических объектов, предлагая методы автоматизации оценки размеров и характеристик деревьев с повышенной точностью и эффективностью. Исследование подчеркивает, что оптимальные условия для проведения замеров с использованием специализированных технических средств предполагают низкую плотность древостоя и отсутствие обильного подроста и подлеска. Анализ показывает, что интеграция алгоритмов ИИ в процессы сбора и анализа данных обеспечивает высокую точность и надежность измерений, сравнимую с традиционными ручными методами, демонстрируя таким образом свой потенциал практического применения. В работе обозначена проблема идентификации отдельных деревьев при их плотном расположении, когда система может ошибочно воспринимать несколько стволов как единый объект, что мешает точному измерению диаметров. Для дальнейшего улучшения точности и надежности измерений рекомендуется использование беспилотных летательных аппаратов для сбора визуальных данных с разных ракурсов, развитие и оптимизация алгоритмов ИИ, а также проведение исследований на расширенном объеме данных, что поможет адаптировать технологии ИИ к разнообразным условиям лесных экосистем.

1. Войтов Д.Ю., Васильев С.Б., Кормилицын Д.В. Разработка технологии определения породы деревьев с применением компьютерного зрения // Лесной вестник. 2023. Т. 27, № 1. С. 60-66. DOI: 10.18698/2542-1468-2023-1-60-66. EDN: PXEBDF.

2. Говядин И.К. Инновационные подходы к сбору данных о высотах и диаметрах деревьев в насаждениях // Перспективы развития лесного комплекса : сб. науч. трудов Междунар. науч.-практич. конференции, Брянск, 18-19 декабря 2023 года. С. 179-182. EDN: JWJABM.

3. Говядин И.К., Каримов Б.М. Свидетельство о государственной регистрации программы для ЭВМ № 2023686447 Российская Федерация. Система учета и анализа : № 2023686474 : заявл. 05.12.2023 : опубл. 06.12.2023; заяв. Федеральное государственное бюджетное образовательное учреждение высшего образования «Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова». EDN FJVAWI.

4. Говядин И.К., Каримов Б.М., Шеремет В.А. Свидетельство о государственной регистрации программы для ЭВМ № 2023612089 Российская Федерация. Система визуализации данных : № 2022668020 : заявл. 30.09.2022 : опубл. 30.01.2023. EDN: QVAQKV.

5. Жук К.Д., Угрюмов С.А. Выбор оптимального алгоритма машинного обучения для задачи классификации породы ствола дерева // Цифровые технологии в лесном секторе: матер. IV Всерос. науч.-технич. конференции, Санкт-Петербург, 19-20 октября 2023 года. С. 32-34. EDN: WAQLFH.

6. Лебедев А.В. Инвентаризация древесных насаждений урбанизированных территорий с использованием смартфона // Лесотехнический журнал. 2023. Т. 13. № 3 (51). С. 56-70. DOI: https://doi.org/10.34220/issn.2222-7962/2023.3/5.

7. Портнов А.М., Иванова Н.В., Шашков М.П. Опыт использования нейронной сети DeepForest для детектирования деревьев в широколиственном лесу // Математическая биология и биоинформатика: докл. IX Междунар. конференции, Пущино, 17-19 октября 2022 года. Т. 9. С. 211-216. DOI: 10.17537/icmbb22.12. EDN: ODUVAY.

8. Селянкин В.В. Компьютерное зрение. Анализ и обработка изображений: учебное пособие для вузов. 2-е изд., стер. СПб.: Лань, 2021. 152 с.

9. Ficko A. Bayesian Evaluation of Smartphone Applications for Forest Inventories in Small Forest Holdings // Forests. 2020. 11. Р. 1148. DOI: 10.3390/f11111148.

10. Grondin V., Fortin J.-M., Pomerleau F., Giguere Ph. Tree Detection and Diameter Estimation Based on Deep Learning. 2022. DOI: 10.1093/forestry/cpac043.

11. Putra B., Indarto I., Marhaenanto B., Janna N. Yualianto, Soedibyo D. The use of computer vision to estimate tree diameter and circumference in homogeneous and production forests using a non-contact method // Forest Science and Technology. 2021. 17. DOI:10.1080/21580103.2021.1873866.

12. Sandim A., Amaro M., Silva M., Cunha J., Morais S., Marques A., Ferreira A., Louzada J., Fonseca T. New Technologies for Expedited Forest Inventory Using Smartphone Applications // Forests. 2023. 14. DOI: 10.3390/f14081553.

13. Song C., Yang B., Zhang L. et al. A handheld device for measuring the diameter at breast height of individual trees using laser ranging and deep-learning based image recognition. Plant Methods. 2021. 17, 67. https://doi.org/10.1186/s13007-021-00748-z.

14. Tatsumi Sh., Yamaguchi K., Furuya N. Forest Scanner: A mobile application for measuring and mapping trees with LiDAR-equipped iPhone and iPad. Methods in Ecology and Evolution. 2022. 14. DOI:10.1111/2041-210x.13900.