Математик РУДН улучшил алгоритм машинного обучения для распознавания изображений со спутников
Системы современных спутников и радаров можно использовать для автоматического мониторинга землетрясений, извержений вулканов, пожаров и других катаклизмов, а также чтобы следить за состоянием почв, растительности, рек. Чтобы автоматизировать этот процесс, нужны сложные алгоритмы распознавания и классификации объектов, позволяющие компьютеру по набору пикселей понять, что изображено на снимке. Для этих целей используют машинное обучение — компьютер «просматривает» тысячи примеров и таким образом учится распознавать изображения самостоятельно. Чтобы улучшить результаты машинного обучения, часто используют комбинацию нескольких обучающих алгоритмов. Это дает более точные решения, чем каждый из них в отдельности. Математик РУДН разработал такой ансамблевый метод с использованием трех алгоритмов для обработки данных из нескольких источников.
Математики использовали данные пяти мини-спутников RapidEye и авиационного радара UAVSAR за 5 и 7 июля 2012 года — они снимали один и тот же участок местности в Канаде. Съемка RapidEye велась в пяти диапазонах светового спектра: синем (B), зеленом (G), красном ®, ближнем инфракрасном (NIR) и области, называемой «красный край» (RE), в которой происходит резкое усиление отражения зелёной растительности. Данные содержали 38 характеристик — спектральные каналы, индексы растительности, текстурные параметры и так далее. Их пространственное разрешение — то есть минимальный размер объекта, различимый на снимках, — около пяти метров. Радиолокационные изображения UAVSAR включали 49 различных характеристик, их пространственное разрешение — около 15 метров. Математики сопоставили полученные снимки со справочными данными об этой территории, собранными летом 2012 года. В них выделили семь типов растений — широколиственные растения, рапс, кукуруза, овес, горох, соя и пшеница. Новый алгоритм «обучили» на основе примеров полученных изображений и данных о типе посадок, а затем сравнили его предсказание с результатами работы других программ, устроенных по похожему принципу.
Новый метод показал более высокую точность интерпретации изображений, причем как на больших, так и на ограниченных объемах примеров для обучения алгоритмов. Если обучение проходило на 5% от всех данных, то новый алгоритм распознавал изображения верно в не менее 65% случаев, другие алгоритмы — в 52-60%. С увеличением доли обучающих данных до 50% от общего объема точность нового алгоритма повышалась до почти 90%, а других — до 75-86%. Таким образом, применение нового алгоритма было признано более эффективным.
«Наш метод может быть предложен для системы классификации землепользования и растительного покрова с помощью данных, полученных из разных источников. Например, спутников Landsat или Sentinel constellation», — кандидат технических наук Владимир Разумный, доцент департамента механики и мехатроники РУДН.
Результаты опубликованы в журнале International Journal of Image and Data Fusion
Личинки мухи «чёрная львинка» в мире все чаще используются для утилизации отходов. Ученые института экологии РУДН поставили перед собой амбициозную задачу: понять, как тот или иной набор микроорганизмов в кишечнике личинок влияет на эффективность переработки разных видов отходов и как меняется состав микробиома в зависимости от условий питания. Никита Митькин — кандидат биологических наук, старший научный сотрудник института экологии РУДН, рассказал о первых результатах этого трехлетнего исследования. В частности, ученые доказали, что набор микроорганизмов микробиома способен перестраиваться. Теперь предстоит установить, какие именно изменения являются функционально полезными и можно ли воспроизвести их целенаправленно, «запрограммировав» личинок чёрной львинки на переработку определенного вида сырья.
Коллектив института инженерных инновационных технологий РУДН под руководством старшего научного сотрудника Михаила Юрьевича Задорожного получил грант университета на разработку и исследование прототипа металлогидридной системы для аккумулирования энергии. Проект поддержан в рамках конкурса 2026 года на выполнение НИР/НИОКР научными коллективами под руководством молодых учёных.
Попробовать поискать ответ на вопрос, а почему происходит то или иное явление, — это уже наука, заявил на Фестивале науки в РУДН Фёдор Оцелюк, студент аграрно-технологического института. По его словам, разница между школьниками, студентами и настоящими учёными вовсе не в гениальности, а лишь в понимании того, «куда нести свой вопрос». Преподаватели и студенты дали советы будущим учёным, с чего именно начать путь в науку, как обрести единомышленников и стать частью научного сообщества.