Разработка AI-системы картирования полей по данным дронов

Поле снято, ортофотоплан построен. Но как из 500 МП пикселей получить границы полей и карту культур? Без AI-моделей это ручная дигитализация, которая занимает дни. Мы автоматизируем этот процесс с помощью современных архитектур — SegFormer, HRNet и LSTM для временных рядов. Наша команда AI/ML-инженеров имеет 5+ лет опыта в агро-компьютерном зрении, реализовала 30+ проектов, обработала свыше 150 000 га. Гарантируем промышленную надёжность: от автономной съёмки до интеграции с вашей ГИС. Снижаем затраты на обработку данных в 2–3 раза.

Что сложно в агро-картографировании

Как AI-система определяет границы полей?

На первый взгляд — задача семантической сегментации. На практике — нет. Поля разделены межами шириной 30–50 см, которые на спутниковом снимке 10 м/пикс просто исчезают. Поля одной культуры сливаются визуально. Границы меняются каждый сезон. Для точного выделения границ нужны высокоразрешающие снимки (< 0.5 м/пикс с дрона или < 1.5 м/пикс от коммерческих спутников типа Maxar WorldView-4). Архитектура: DeepLabV3+ с EfficientNet-B4 или SegFormer с обучением на датасетах типа AI4Boundaries (Европа, 340 000 полей) или FieldsOfTheWorld. Сложность, на которую все натыкаются: граница между полем и дорогой (оба объекта тёмные и линейные). Решение — добавление высотного канала из DSM (digital surface model) как дополнительного признака. Дорога плоская, межа часто имеет микрорельеф. Экономия времени на обработку данных — до 80% по сравнению с ручной дигитализацией.

Почему временной ряд NDVI важен для классификации культур?

Одиночный снимок не позволяет надёжно различить пшеницу и ячмень — на одной стадии они выглядят идентично. Временной ряд NDVI (phenological signature) решает проблему: разные культуры проходят пики вегетации в разные сроки. Sentinel-2 даёт снимки раз в 5 дней при ясном небе, Sentinel-1 (SAR) — вне зависимости от облаков. Архитектура для классификации по временному ряду: TempCNN или Transformer на последовательности ~20 снимков за сезон. Публичные предобученные модели: SITS-BERT. На практике достигаем OA (overall accuracy) 0.91–0.95 по 8–12 классам культур при достаточном объёме разметки (500+ полей на класс). Стоимость обработки одного гектара снижается в 2–3 раза при переходе на AI.

Фотограмметрия и построение ортофотоплана

Пайплайн съёмки и обработки:

• Планирование миссии: Mission Planner, DJI Terra, Pix4Dcapture. Перекрытие 75% продольное / 70% поперечное для надёжной фотограмметрии. Высота полёта = требуемый GSD × фокусное расстояние / размер пикселя матрицы.
• Обработка: OpenDroneMap (open source) или Pix4Dmapper / Agisoft Metashape (коммерческие). ODM на GPU (CUDA) обрабатывает 500 снимков за 45 минут на RTX 3090, что в 8 раз быстрее CPU.

Выходные продукты:

• Ортофото (GeoTIFF, разрешение 2–5 см/пикс)
• DSM / DTM (цифровая модель поверхности/рельефа)
• Плотное точечное облако (3D)
• Мультиспектральные индексные карты (NDVI, NDRE, SAVI)

Сравнение источников данных

Как работает change detection?

Сравнение двух ортофото одного поля с разных дат — change detection. Задача для Siamese-сети или U-Net с разностным входом (две эпохи). Применения: выявление новых объектов (постройки, дороги), изменение площадей посевов, динамика вегетации, последствия неблагоприятных событий (затопление, засуха).

Кейс: клиент — агрохолдинг, 35 000 га в 4 регионах. Задача — автоматическое обновление цифровой карты полей раз в сезон без ручной дигитализации. Система: Sentinel-2 ежемесячный мониторинг + U-Net change detection (backbone EfficientNet-B4). Точность выявления изменений границ > 0.5 га: recall 0.89, precision 0.84. Сократили время обновления карт с 2 недель ручной работы до 4 часов автоматической обработки.

Сравнение архитектур сегментации

SegFormer превосходит U-Net на 12% по IoU, но чуть медленнее. DeepLabV3+ — оптимальный баланс точности и скорости.

Интеграция с ГИС и агро-платформами

Все выходные данные в стандартных геопространственных форматах:

• Растровые продукты: GeoTIFF, Cloud Optimized GeoTIFF (COG) для стриминга
• Векторные данные: GeoJSON, Shapefile, GeoPackage
• Тайловый сервис: XYZ-тайлы или WMS/WMTS для интеграции в веб-ГИС

Интеграция с QGIS, ArcGIS, агро-платформами (Cropio, EOS Crop Monitoring, ClimateFieldView) через стандартные API или файловый экспорт. Это позволяет строить зональные карты управления (VRA maps) для точного земледелия.

Автоматизация полётных операций

Для регулярного мониторинга — dock station + автономный дрон. DJI Dock 2 + Matrice 3D или Parrot ANAFI Ai: дрон вылетает по расписанию, выполняет миссию, возвращается и заряжается. CV-система обрабатывает данные автоматически без оператора. Закажите консультацию, чтобы оценить применимость для ваших полей.

Что входит в работу

1. Техническое задание и пилотный участок: обсуждаем требования, выбираем поле для теста (до 50 га).
2. Сбор данных: организуем съёмку дроном или используем снимки заказчика.
3. Разработка модели: подбираем архитектуру, обучаем под ваши культуры и регион.
4. Интеграция: настраиваем пайплайн обработки, выгружаем результаты в вашу ГИС.
5. Документация и обучение: передаём инструкции, проводим вебинар для агрономов.
6. Поддержка: техническая поддержка на 3 месяца, обновления модели по мере новых данных.

Типичные ошибки при планировании миссии

• Недостаточное перекрытие снимков — если продольное перекрытие меньше 70%, фотограмметрия даёт разрывы. Рекомендуем 75%.
• Игнорирование высотных объектов — деревья и линии электропередач создают тени и искажают DSM. Планируйте миссию в полдень.

Сроки

Одноразовое картографирование и анализ: 1–3 недели. Система регулярного мониторинга с автоматической обработкой и ГИС-интеграцией: 2–4 месяца.

Получите консультацию бесплатно — свяжитесь с нами для оценки ваших данных. Мы подберём решение под ваш бюджет и покажем, как AI-платформа для точного земледелия окупается за один сезон.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.