استفاده از یادگیری عمیق به منظور تفسیر اتوماتیک عوارض طبیعی و مصنوعی و کشف اهداف در تصاویر پهپاد

نوع مقاله : مقاله پژوهشی

نویسنده

دانشجوی سنجش از دور و GIS دانشکده جغرافیا دانشگاه تهران

چکیده

گاها تفسیر و شناسایی سریع و به موقع برخی پدیده‌های بحران‌زا و یا اهداف خاص که توسط پهپاد عکسبرداری می‌گردند بسیار حائظ اهمیت می‌باشد. شناسایی به موقع در حوزه‌های مختلف مانند شناسایی مخاطرات زیست محیطی از جمله آتش‌سوزی جنگل، آسیب جاده‌ها و پل‌های سیلابی و اهداف نظامی و... از مصداق این موارد می باشد. زمانی که پهپادها به منظور کشف کانون‌های شروع آتش‌سوزی در جنگل و یا به منظور شناسایی ستون خودرویی حمل مواد مخدر در کاربرد نظامی مدام منطقه را پایش می‌نمایند، حجم عظیمی از تصاویر را تهیه می نمایند. مسئولین مربوطه به دنبال پیدا کردن آن هدف خاص در آن منطقه وسیع می باشد. در شرایط مبتدیانه گاها نیاز است چندین اپراتور متخصص تفسیر عکس و با وجود خطاهای بالای انسانی، در مدت زمان طولانی به طور مداوم تصویر ارسالی را پایش کنند تا هدف موردنظر را کشف نمایند اما امروزه با بکارگیری الگوریتم های هوش مصنوعی امکان شناسایی اهداف به صورت اتوماتیک امکان‌پذیر گردیده است. یعنی هر زمان که آن هدف خاص مثلا آتش و دود و یا ستون خودرویی در تصاویر گرفته شده توسط پهپاد دیده شد، توسط برنامه مورد پردازش قرار گرفته و اقدام ثانوی را انجام دهد مثلا به شکل هشدار به اپراتور گزارش دهد. تا کنون روش ها و الگوریتم های زیادی در شناسایی اهداف توسط پهپادها و برای کاربردهای متعددی پیاده سازی گردیده است و قطعا پدیده نوظهوری نیست. پیاده سازی این پروژه با استفاده از یادگیری عمیق در هوش مصنوعی و توسط پایتون برنامه‌نویسی شده است. گفتنی است که به دلیل محدودیت استفاده از تصاویر پهپاد در این مقاله از تصاویر ماهواره ای استفاده گردیده است.

کلیدواژه‌ها