Работа нейронной сети на георадарных данных

Здравствуйте, друзья!

Ранее мы сообщали о первых шагах в разработке искусственной нейронной сети в обработке георадарных данных, полученных на протяженных объектах дорожной сети

Сегодня хотим представить промежуточный результат - на радарограмме отражены границы слоев дорожной конструкции, которые получены работой алгоритмов на базе технологии искусственного интеллекта (компьютерное зрение).

Напомним, мы собрали георадарные данные на автомобильных дорогах Москвы и Московской области в объеме примерно 300 км георадарного профиля. Для решения задачи тогда мы использовали георадар ОКО-3 (производится группой компаний Логис-Геотех) с антеннами 1000 и 2000 МГц

Тут можно отметить отличное качество дорог столицы, но для качественного обучения нейронной сети мы специально искали и "менее качественные" дороги в московской области

Конечно, данные требовали предварительной обработки, но для качественного обучения нейронной сети было принято решение минимизировать такое вмешательство - выполнили только вычитание средней георадарной трассы. В итоге, была удалена прямая волна - прохождение георадиолокационного импульса по воздуху. Это простая и одна из самых эффективных функций, которая позволяет повысить четкость отраженного сигнала и выделение границ раздела сред обследуемого объекта на радарограмме

радарограмма во время сбора данных

Радарограмма в момент сбора данных

Поскольку программный комплекс GeoReader разрабатывается с уклоном на обработку больших объемов георадарных данных протяженных объектов дорожной сети, в нейронную сеть за основу положены алгоритмы решения задач дорожной отрасли

результаты работы нейронной сети при построении границ на радарограмме

радарограммы с выделенными границами нейронной сетью

В разработке алгоритмов используется библиотека с открытым исходным кодом Pytorch, позволяющая вести высокоскоростную обработку с использованием GPU-ускорителя. Сегодня производительность построения границы в ПО GeoReader составила около 100 км/час. При этом использовался персональный компьютер с невысокими характеристиками:

- процессор: Intel(R) Core(TM) i7-8750H CPU (количество ядер – 6, частота – 2.20 ГГц, максимальная тактовая частота – 4.10 ГГц),
- оперативная память: RAM – 16 Гб,
- видеоадаптер: NVIDIA GeForce GTX 1650 (тактовая частота с ускорением – 1665 МГц, фреймбуфер – 4 Гб, быстродействие памяти – 8 Гбит/с),
- операционная система: windows 10, тип системы – 64-разрядная

Сегодня мы получили первый результат, однако, как это обычно бывает, вместе с первым результатом были выявлены "направления дальнейших разработок".. продолжаем..

Назад к списку новостей