К вопросу о точности распознавания кривизны и высоты деревьев

В статье рассматривается инновационный подход к оценке морфометрических параметров деревьев с использованием технологий искусственного интеллекта (ИИ) и компьютерного зрения. Основное внимание уделяется разработке методики точного измерения таких характеристик, как высота дерева, диаметры у основания и вершины, кривизна ствола, объем и площадь поверхности. Авторы подчеркивают, что традиционные методы измерений, основанные на визуальном осмотре и ручных замерах, обладают существенными погрешностями и требуют значительных трудозатрат, в то время как автоматизированные системы на базе ИИ позволяют получать более точные и воспроизводимые результаты. Для сбора данных использовались аэрофотосъемка с дронов и наземная фотосъемка, что обеспечило комплексное покрытие стволов деревьев под разными углами. Полученные изображения обрабатывались с применением алгоритмов компьютерного зрения, включая сверточные нейронные сети (CNN), а также методов трехмерного моделирования на основе облаков точек. Это позволило создать детализированные цифровые модели деревьев, пригодные для точного анализа их геометрических параметров. Результаты исследования продемонстрировали высокую точность предложенного метода: сравнение с ручными замерами показало минимальные расхождения. Кроме того, авторы провели корреляционный анализ, выявивший взаимосвязи между различными параметрами деревьев, что имеет важное значение для оценки качества древесины и планирования лесозаготовок. Разработанная методика открывает новые возможности для устойчивого управления лесными ресурсами, позволяя минимизировать негативное воздействие на экосистемы и оптимизировать процессы лесопользования. Применение ИИ в лесном хозяйстве способствует переходу к более точным и экологически безопасным методам работы, что особенно актуально в условиях растущего спроса на древесину и необходимости сохранения биоразнообразия.

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.

2. Говядин И.К., Чубинский А.Н., Алексеев А.С. Метод измерения диаметров деревьев на основе технологий искусственного интеллекта // Известия СанктПетербургской лесотехнической академии. 2024. Вып. 249. С. 177–194. DOI: 10.21266/2079-4304.2024.249.177-194.

3. Говядин И.К. Инновационные подходы к сбору данных о высотах и диаметрах деревьев в насаждениях // Перспективы развития лесного комплекса: Сборник научных трудов международной научно-практической конференции. Брянск, 2023. С. 179–182.

4. 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.

5. 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.

6. Глухих В.Н., Черных А.Г. Обоснование овальности формы сечений стволов деревьев при их росте с наклоном // ИВУЗ. Лесной журнал. 2020. № 5. С. 166– 175. DOI: 10.37482/0536-1036-2020-5-166-175.

7. Дорофеева М.М., Бонецкая С.А. Сравнительный анализ некоторых классических и современных методик определения площади листовой поверхности // Растительные ресурсы. 2020. Т. 56, № 2. С. 182–192. DOI: 10.31857/S0033994620020041.

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

9. Buchelt A., Adrowitzer A., Kieseberg P., Gollob C., Nothdurft A, Eresheim S., Tschiatschek S., Stampfer K., Holzinger A. Exploring artificial intelligence for applications of drones in forest ecology and management // Forest Ecology and Management. 2024. Vol. 551. Art. no. 121530. DOI: 10.1016/j.foreco.2023.121530.

10. Gao Q., Kan J. Automatic Forest DBH Measurement Based on Structure from Motion Photogrammetry // Remote Sensing. 2022. Vol. 14, iss. 9. Art. no. 2064. DOI: 10.3390/rs14092064.

11. Liang J., Gadow K. Applications of Artificial Intelligence in Forest Research and Management // Figshare. Journal Contribution. 2023. P. 42–45.

12. López-Serrano F.R., Rubio E., Garcia Morote F.A., Manuela Andrés Abellán M., Picazo Córdoba M.I., García Saucedo F. Martínez García E., Sánchez García J.M., Serena Innerarity J., Lucas Carrasco L., García González O., García González J.C. Artificial intelligence-based software (AID-FOREST) for tree detection: A new framework for fast and accurate forest inventorying using LiDAR point clouds //International Journal of Applied Earth Observation and Geoinformation. 2022. Vol. 113. Art. no. 103014. DOI: 10.1016/j.jag.2022.103014.

13. Mishra R., Mishra D., Agarwal R. Artificial intelligence and machine learning applications in forestry // Journal of Science Research International. 2024. Vol. 10. P. 43–55. DOI: 10.5281/zenodo.14028208.

14. Montaño R.A.N.R., Sanquetta C.R., Wojciechowski J., Mattar E., Corte A.P.D., Todt E. Artificial Intelligence Models to Estimate Biomass of Tropical Forest Trees // Polibits. 2017. Vol. 56. P. 29–37.

15. Raihan A. Artificial intelligence and machine learning applications in forest management and biodiversity conservation // Natural Resources Conservation and Research. 2023. Vol. 6, iss. 2. Art. no. 3825. DOI: 10.24294/nrcr.v6i2.3825.

16. Sheng W., Li R., Li H., Ma X., Ji Q., Xu F., Fu H. An Automated Method For Stem Diameter Measurement Based on Laser Module and Deep Learning // Plant methods. 2023. Vol. 19. Art. no. 68. DOI: 10.21203/rs.3.rs-2107489/v1.