Российские инженеры научили дрон искать борщевик
Российские инженеры разработали и испытали дрон, обнаруживающий борщевик Сосновского (Heracleum sosnowskyi) с воздуха и размечающий его на снимках для последующего уничтожения. Испытания показали, что точность определения борщевика на кадрах составляет 96,9 процента. Статья о разработке опубликована в IEEE Transactions on Computers.
Борщевик Сосновского — это один из самых известных и проблемных инвазивных видов в России (впрочем, он также распространился и на территорию Европы). Изначально его ареал обитания был ограничен Кавказом, но после того, как в середине XX его решили культивировать на остальной территории СССР, он стал активно распространяться в новой среде и это распространение не удается взять под контроль до сих пор, спустя несколько десятилетий после прекращения сельскохозяйственной культивации.
Одна из проблем в борьбе с борщевиком заключается в его живучести и масштабном распространении семян даже из единичных растений. Из-за этого для обнаружения и составления карт для уничтожения этого растения необходимо либо вручную обходить поля и прочие территории, либо использовать летательные аппараты — большинство спутников дают недостаточно высокое разрешение для выявления единичных растений. Но учет растений с помощью летательных аппаратов пока слабо автоматизирован и зачастую основан на применении дорогих в эксплуатации самолетов.
Инженеры из Сколтеха под руководством Андрея Сомова (Andrey Somov) разработали алгоритм, позволяющий использовать мультикоптеры для автономного распознавания борщевика Сосновского на территории под ними. В качестве аппаратной платформы они выбрали квадрокоптер DJI Matrice 200 и одноплатный компьютер NVIDIA Jetson Nano с относительно мощным видеоускорителем, позволяющим запускать прямо на устройстве нейросети.
За поиск борщевика на кадрах с камеры дрона отвечает сверточная нейросеть, которая получает кадр и проводит семантическую сегментацию, размечая на нем области с борщевиком. Разработчики выбрали три популярные архитектуры сверточных нейросетей, чтобы сравнить их эффективность для этой задачи: U-Net, SegNet и RefineNet. Они сами собрали датасет для обучения алгоритмов. Для этого они сняли множество кадров с дрона в Московской области, используя два разных дрона и одну экшн-камеру (закрепленную на дроне). В результате они получили 263 снимка и разметили на них области с борщевиком. Датасет доступен на GitHub.
Обучив нейросети, авторы протестировал их на одноплатном компьютере и выяснили, что они работают с частотой в десятые или сотые доли кадров в секунду. Наилучший результат дала сеть на базе U-Net — 0,7 кадра в секунду. Наилучшую классификацию показала сеть на базе SegNet с площадью под ROC-кривой (распространенная метрика оценки качества бинарной классификации), равной 0,969.
Ранее другие инженеры тоже использовали дроны для распознавания растений на снимках, в том числе хлопка и деревьев в лесу. А также дроны предлагают использовать и для уничтожения растений, например, сорняков и кокаиновых кустов.
Григорий Копиев
Его система управления автоматически находит оптимальные точки в воздушных потоках
Инженеры разработали алгоритм управления для беспилотников самолетного типа, который позволяет парить на восходящих воздушных потоках, расходуя в 150 раз меньше энергии, чем при активном полете с работающим двигателем. Алгоритм отслеживает и подстраивается под непрерывно изменяющиеся воздушные потоки, сохраняя высоту. Препринт доступен на arXiv.org. При поддержке Angie — первого российского веб-сервера Беспилотники самолетного типа более энергоэффективны, чем мультикоптеры. Благодаря крыльям они способны преодолевать большие дистанции и могут гораздо дольше находиться в воздухе. Причем эти параметры могут быть увеличены за счет парения — планирующего полета, в котором аппарат использует восходящие воздушные потоки для удержания в воздухе без использования тяги двигателей, аналогично тому, как это делают некоторые птицы. Группа инженеров под руководством Гвидо де Круна (Guido de Croon) из Делфтского технического университета разработала систему управления, которая позволяет беспилотникам самолетного типа без какой-либо предварительной информации о поле ветра самостоятельно находить оптимальные точки в восходящих воздушных потоках и использовать их для длительного парения с минимальным расходом энергии. В системе управления вместо обычного ПИД-регулятора используется метод инкрементальной нелинейной динамической инверсии, контролирующий угловое ускорение, подстраивая его под желаемые значения. Система управления может без изменения настроек работать и в режиме парения, и при полете с включенным двигателем во время поиска новых оптимальных точек в воздушных потоках или для компенсации резких порывов ветра. Для поиска оптимальных точек в поле ветра, в которых скорость снижения полностью компенсируется восходящим потоком воздуха, применяется алгоритм имитации отжига. Он случайно выбирает направления в пространстве пытаясь найти такую точку, в которой беспилотник может устойчиво лететь с минимально возможной тягой двигателя. Для тестов инженеры построили 3D-печатный прототип на основе модели радиоуправляемого самолета Eclipson model C. Он имеет размах крыла 1100 миллиметров и массу 716 грамм вместе с аккумуляторной батареей. В качестве полетного контроллера применяется Pixhawk 4. Помимо установленного под крылом и откалиброванного в аэродинамической трубе сенсора скорости, беспилотник имеет GPS-модуль для отслеживания положения во время полетов на открытом воздухе. В помещении применяется оптическая система Optitrack. Испытания проводились в аэродинамической трубе, возле которой установили наклонную рампу, для создания восходящего воздушного потока. Прототип запускали в воздушном потоке сначала на ручном управлении, после чего включали автопилот. Разработчики провели эксперименты двух типов. В первом они постепенно изменяли скорость воздушного потока от 8,5 до 9,8 метров в секунду при фиксированном угле наклона рампы. Во втором эксперименте скорость воздушного потока оставалась неизменной, зато менялся угол установки подиума. В обоих случаях алгоритм системы управления быстро находил в поле ветра точки, в которых мог поддерживать планирующий полет в течение более чем 25 минут, лишь изредка задействуя тягу двигателя в среднем лишь на 0,25 процента от максимальной, хотя при таких значениях воздушного потока для поддержания обычного полета требуется около 38 процентов. При изменении поля ветра из-за изменившегося угла наклона рампы или скорости воздушного потока алгоритм успешно находил и удерживал новое положение равновесия. В будущем инженеры планируют провести испытания на открытом воздухе. https://www.youtube.com/watch?v=b_YLoinHepo Американские инженеры и планетологи предложили использовать планер, способный длительное время держаться в воздухе за счет восходящих потоков и термиков, для изучения каньонов Марса. Предполагается, что такие аппараты с надувными разворачиваемыми крыльями могут стартовать с аэростата или дирижабля и затем планировать в атмосфере Марса от 20 минут до суток.