Завершен второй этап исследований по теме «Разработка прикладных решений в области обработки и интеграции в едином геопространстве больших объемов разнородных оперативных, ретроспективных и тематических данных дистанционного зондирования Земли с применени
Проект направлен на проведение прикладных научных исследований и получения результатов, необходимых для реализации приоритетов научно-технологического развития Российской Федерации, определенных Стратегией технологического развития Российской Федерации.
В соответствии с техническим заданием и для обучения нейронных сетей алгоритма распознавания зданий и сооружений по данным космической съемки сверхвысокого разрешения (АР СЗ), алгоритма распознавания и классификации изменений лесного фонда по данным космической съемки сверхвысокого и высокого разрешения (АРК ЛФ) и алгоритма распознавания участков недропользования открытого типа (карьеров) по данным космической съемки сверхвысокого и высокого разрешения (АР УНОТ), были разработаны и созданы базы данных:
- Эталонные объекты здания и сооружения.
- Эталонные объекты участков недропользования открытого типа.
- Эталонные объекты участков недропользования открытого типа(карьеры).
- Эталонные объекты изменений лесного фонда типа «гарь».
- Эталонные объекты изменений лесного фонда типа «гарь».
- Эталонные объекты изменений лесного фонда типа «вырубка».
- Эталонные объекты изменений лесного фонда типа «вырубка».
- Эталонные объекты изменений лесного фонда типа «ветровал»
- Эталонные объекты изменений лесного фонда типа «ветровал».
Вышеназванные базы данных подлежат правовой охране в Федеральной службе интеллектуальной собственности
По результатам выполнения этапа 2 «Теоретические исследования» ПНИ были получены следующие результаты:
- определены требования к исходным данным, архитектуре нейронной сети и ансамблевых алгоритмов машинного обучения, точностным характеристикам распознаваемых объектов для алгоритмов АР СЗ, АРК ЛФ, АР УНОТ;
- выполнена разработка алгоритмов АР СЗ, АРК ЛФ, АР УНОТ;
- подготовлена программная реализация алгоритмов АР СЗ, АРК ЛФ, АР УНОТ;
- подготовлена программная документация на программную реализацию алгоритмов АР СЗ, АРК ЛФ, АР УНОТ.
В результате работ второго этапа была подготовлены первичные материалы заявки на выдачу патента РФ на изобретения интеллектуальной космической системы для мониторинга зданий и сооружений, интеллектуальной космической системы для мониторинга участков недропользования открытого типа и интеллектуальной космической системы для мониторинга лесного фонда.
Для популяризации проекта АО «РКС» совместно с РУДН принял участие в таких мероприятиях:
- Международная выставка авиационно-космической техники FIDAE–2018;
- XXI Московском международном салоне изобретений «Архимед-2018»;
- Петербургский международный экономический форум 2018 г.;
- Презентация АО ««Российские космические системы» новой системы глобальной спутниковой связи.
Так же в рамках темы были опубликованы ряд статей:
- Economic optimization and evolutionare programming when using remote sensing data. // Roman Shamin, Gabriel Enrike Alberto, Ayzhana Uryngaliyeva and Aleksandr Semenov;
- Deep learning for region detection in high-resolution aerial images.// Vladimir Khryashchev, Vladimir Pavlov, Andrey Priorov, Anna Ostrovskaya.
- Optimization of Convolutional Neural Network for Object Recognition On atellite Images. // Vladimir V. Khryashchev, Vladimir A. Pavlov, Anna A. Ostrovskaya, Alexander S. Semenov
- Dеtermination of the architecture of the neural network for recognition algorithm UHRSI. // AnnaA. Ostrovskaya, NikitaE. Semenov, AntonO. Rubtsov
- Comparison of Different Convolutional Neural Network Architectures for Satellite Image Segmentation. // Vladimir Khryashchev, Anna Ostrovskaya, Anton O. Rubtsov
Проект осуществляется за счет субсидий Минобрнауки (соглашение от 26.09.2017 г. №14.57521.21.0167, уникальный идентификатор работ RFMEFI57517X0167).
Исследователи РУДН вместе с бельгийскими коллегами разработали новые химические соединения, которые могут блокировать образование бактериальных биоплёнок — плотных скоплений микробов, устойчивых к антибиотикам.
Сегодня в составе большинства аналогичных высокочувствительных термометров используют редкоземельные элементы — например, евробий или тербий — из-за их люминесцентных свойств. Исследователи РУДН совместно с учеными Университета ИТМО и Национального научного центра морской биологии им. А.В. Жирмунского предложили альтернативные инновационные нанотермометры на основе металлоорганических каркасов (MOF), в составе которых отсутствуют редкоземельные элементы.
В Москве прошел XXXII Российский национальный конгресс «Человек и лекарство» для специалистов здравоохранения. Исследование Анны Абрамовой, аспиранта кафедры общей клинической фармакологии РУДН, отмечено дипломом победителя. Анна изучала тему «Роль олокизумаба в снижении воспаления и смертности у пациентов с COVID-19.