На хакатоне в МАИ участники решили задачу поиска мёртвых деревьев (и это действительно важно)
В апреле в Московском авиационном институте состоялся II Межвузовский авиахакатон, организованный IT-центром МАИ. Одним из самых актуальных кейсов этого состязания стала задача «Поиск бурелома на аэрофотоснимках» от группы компаний «Геоскан».
Авторы задачи: ГК «Геоскан» и ПСО «Лиза Алерт».
Справка: Группа компаний «Геоскан» производит и поставляет беспилотные аэрофотосъёмочные комплексы, фотограмметрическое программное обеспечение и ПО для визуализации и анализа данных аэрофотосъёмки. Поисково-спасательный отряд «Лиза Алерт» ищет тех, кто потерялся в лесу и городе. За 8 лет существования отряд помог найти живыми более 27 тысяч человек.
Проблема:
Ежегодно в лесах теряется множество людей. В процессе поиска часто счёт идёт на секунды. Чтобы быстро оказать помощь потерявшемуся, нужно чётко знать, что представляет собой лес в зоне поиска. К сожалению, непроходимые завалы блокируют движение поисковых групп. Знание о том, что на пути группы есть подобные завалы, позволяет правильно экипировать поисковиков и заранее приготовить необходимый инструмент.
Исследование и инвентаризация лесов (лесотаксация): данную задачу качественно решить можно только автоматическими средствами. Она требует сканирования огромных площадей и точный анализ выявленных сегментов снимков высокого разрешения.
Александр Ломоносов, ПСО «Лиза Алерт»:
Задача абсолютно практическая, и родилась она задолго до хакатона. Для нас это действительно очень большая проблема. Каждый год лес меняется и для поиска людей нам приходится искать свежие карты.
Елена Никитина, ГК «Геоскан»:
Буреломы не видно на традиционных картах Google или Яндекс, там слишком маленькое разрешение. Для того чтобы помочь ПСО «Лиза Алерт», нам необходимо расширить возможности платформы Спутник WEB с картоосновой высокого разрешения так, чтобы на ней можно было обнаруживать и визуализировать области с буреломов для координаторов поисковых групп.
Условия задачи: Сухостой и ветровал на снимках «светятся» голубым и синим цветом. Именно так выглядят мёртвые деревья. Всё дело в том, что живые деревья содержат хлорофилл, который придаёт листьям или иголкам хвойных пород различные оттенки зёленого цвета в видимом диапазоне цветов. Из-за того, что в мёртвых деревьях этот пигмент отсутствует, при использовании красного и ближнего инфракрасных диапазонов (они применяются в сельском хозяйстве для вычисления вегетационного индекса — NDVI), они не отражают «красные» диапазоны. Именно этой особенностью и определяется интенсивный синий цвет бурелома на мультиспектральных снимках.
Елена Никитина, ГК «Геоскан»:
Эта задача технически сложна. Задачи, требующие анализа изображений и особенно изображений высокого разрешения, команды обычно на хакатонах не берут, боятся. Но даже если берут — то не справляются с ними. Вторая сложность в том, что такие задачи требуют глубокого понимания матчасти, и здесь всё зависит от эксперта, который курирует кейс.
Задача: Разработать алгоритм анализа мультиспектральных изображений, который позволит выявить и обозначить границы всех областей с буреломом (сухостой, ветровал). В результате должны быть обозначены границы областей бурелома и ветровала, представленные в векторной форме для последующей обработки.
Команды: Задачу взяли в работу и успешно решили три команды: «Yellow submarine», «Китайский лётчик» и «Жареные дедлайном».
Антон Даин, команда «Yellow submarine», МАИ:
Мы пришли на хакатон командой, все с одного курса, но разных факультетов. Всей командой договорились, что при обработке изображения будут задействованы все участники без исключения. Два человека будут делать саму обработку, остальные заниматься конечным использованием тех данных, которые мы получим. Это была очень интересная программистская задача выделить объекты на изображении. Самым сложным, пожалуй, было читать документацию в ускоренном темпе и искать необходимую информацию. Нам пришлось перелопатить очень много теории, чтобы найти то решение, которое будет удовлетворять запросу.
Решение: Разработка приложения для визуализации выделения областей. Алгоритм выделения областей. Matlab-файл, подложка от картинки с наложением изображения + сайт с подложкой из Яндекс.Карт.
Елена Никитина, ГК «Геоскан»:
Меня удивило, что столько команд взялось за решение этой задачи, что она вызвала живой отклик. Для меня важно было сделать её понятной и интересной. Важно было и своим коллегам доказать, что это возможно. Главное — эксперимент удался, и у этой разработки есть шанс стать продуктом, который реально применится в настоящей компании. У меня это тоже первый подобный опыт, и я им очень довольна. Ребята — молодцы!
Мария Булакина, к. т. н., доцент, начальник управления «IT-центр»:
Раз за разом наблюдаю за тем, что социальноориентированные кейсы вызывают самый живой отклик у ребят. Меня это очень радует.
Александр Ломоносов, ПСО «Лиза Алерт»:
Решение шикарное, если это будет работать так, как на хакатоне, будет просто отлично!
Остаётся только добавить, что и авторы задачи, и участники планируют и в дальнейшем принимать участие в хакатонах МАИ.
