Метод анализа аэрофотоснимков с БПЛА на основе SSIM и MSE для оценки надежности технических систем

Обложка

Цитировать

Полный текст

Аннотация

В статье представлен способ автоматизированного анализа аэроснимков с беспилотных летательных аппаратов (БПЛА), ориентированный на повышение безотказности технических систем и отслеживание изменений в природных и техногенных процессах. Цель работы – создание алгоритма, обеспечивающего безошибочное обнаружение отклонений и прогнозирование угроз сбоев на основе обработки изображений. Методика подразумевает применение индекса структурного соответствия (SSIM) и средней квадратичной погрешности (MSE) для оценки пространственных вариаций между смежными сегментами съемок. Предложенный подход отличается высокой стабильностью к переменам освещенности, небольшими вычислительными издержками и возможностью встраивания в автономные комплексы БПЛА. Работа базируется на компьютерном моделировании и статистическом разборе точности выявления отклонений. Алгоритм был опробован на различных массивах аэроснимков с использованием методов машинного зрения, математической статистики для оценки результативности предлагаемого способа. Итоги – разработка и апробация алгоритма, построении тепловых карт SSIM и MSE, а также оценке точности и достоверности способа. Полученные сведения подтверждают его действенность в автоматизированном мониторинге инфраструктурных объектов и оценивании экологических рисков. Сфера использования созданного способа охватывает автоматизированный надзор за инженерными сооружениями, контроль состояния сельскохозяйственных земель, экологический контроль, разбор последствий стихийных бедствий. Способ может быть интегрирован в интеллектуальные системы управления безотказностью технических объектов. Таким образом, разработанный алгоритм позволяет существенно увеличить безошибочность обнаружения отклонений, минимизировать влияние внешних обстоятельств и автоматизировать процесс обработки аэроснимков. Его применение способствует повышению безотказности технических систем и снижению вероятности сбоев за счет заблаговременного выявления потенциальных угроз. Научная новизна: создание нового способа оценки пространственных вариаций на основе комбинации индекса структурного соответствия (SSIM) и средней квадратичной погрешности (MSE), что обеспечивает высокую безошибочность выявления отклонений. В отличие от традиционных способов анализа изображений, предложенный алгоритм характеризуется стабильностью к изменению условий съемки, его вычислительная эффективность позволяет применять его в режиме реального времени. Кроме того, способ интегрируется в системы автономного мониторинга, расширяя возможности интеллектуального разбора данных с БПЛА. Полученные результаты и предложенные решения могут быть использованы для совершенствования технологий автоматизированного контроля состояния объектов и анализа динамики природных процессов.

Об авторах

Дмитрий Григорьевич Родионов

Санкт-Петербургский политехнический университет Петра Великого

Email: rodion_dm@mail.ru
ORCID iD: 0000-0002-1254-0464
Директор; Высшая инженерно-экономическая школа;

Дмитрий Анатольевич Сергеев

Санкт-Петербургский политехнический университет Петра Великого

Email: sergeev_da@spbstu.ru
доцент; высшая школа Высшая инженерно-экономическая школа;директор; Национальный центр качества и экспертизы;

Евгений Александрович Конников

Санкт-Петербургский политехнический университет Петра Великого

Email: konnikov_ea@spbstu.ru
доцент; высшая школа Высшая инженерно-экономическая школа;

София Дмитриевна Попова

Санкт-Петербургский политехнический университет Петра Великого

Email: popova_s@spbstu.ru
ассистент; высшая школа Высшая инженерно-экономическая школа;

Список литературы

  1. Бучаев М.А., Старченкова О.Д., Конников Е.А. Анализ и кластеризация недостоверной новостной информации как инструмент обеспечения информационной безопасности региона // Мягкие измерения и вычисления. 2024. № 84 (11-2). С. 37-51. doi: 10.36871/2618-9976.2024.11-2.004. EDN: PFWBDV.
  2. Dai K., Ma C., Wang Z., Long Y., Li X., Feng S., Ye Y. Exploiting spatial-temporal dynamics for satellite image sequence prediction // IEEE Geoscience and Remote Sensing Letters. 2023. Т. 20. С. 1-5.
  3. He X., Chen Y. Transferring CNN ensemble for hyperspectral image classification // IEEE Geoscience and Remote Sensing Letters. 2020. Т. 18. № 5. С. 876-880.
  4. Veretelnikova E.L., Elantseva I.L. Selection of factor for root mean square minimum error criterion // 2016 13th International Scientific-Technical Conference on Actual Problems of Electronics Instrument Engineering (APEIE). 2016. Т. 2. С. 221-223. IEEE. doi: 10.1109/APEIE.2016.7806454. EDN: WZWUYB.
  5. Моттаева А.Б., Смирнова И.А., Конников Е.А., Шарафанова Е.Е. Нечетко-множественный подход к оценке трансрегиональной промышленной когерентности // Мягкие измерения и вычисления. 2024. № 76 (3). С. 35-44. doi: 10.36871/2618-9976.2024.03.003. EDN: EGIQUM.
  6. Raju K.N., Reddy K.S.P. Comparative study of Structural Similarity Index (SSIM) by using different edge detection approaches on live video frames for different color models // 2017 International Conference on Intelligent Computing, Instrumentation and Control Technologies (ICICICT). 2017. С. 932-937. IEEE.
  7. Coppin P., Jonckheere I., Nackaerts K., Muys B., Lambin E. Digital change detection methods in ecosystem monitoring // International Journal of Remote Sensing. 2004. Т. 25. № 9. С. 1565-1596.
  8. Wang Z., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image quality assessment: From error visibility to structural similarity // IEEE Transactions on Image Processing. 2004. Т. 13. № 4. С. 600-612.
  9. Родионов Д. Г., Конников Е. А., Пашинина П. А., Шаныгин С. И. Тематическое моделирование информационной среды медиакомпаний: инструментальный комплекс LDA-TF-IDF // Мягкие измерения и вычисления. 2024. Т. 76, № 3. С. 72-84. doi: 10.36871/2618-9976.2024.03.006. EDN: COCJYG.
  10. Dai K., Ma C., Wang Z., Long Y., Li X., Feng S., Ye Y. Exploiting spatial-temporal dynamics for satellite image sequence prediction // IEEE Geoscience and Remote Sensing Letters. 2023. Т. 20. С. 1-5.
  11. Волков О. А., Дьякова Г. Н. Разработка математического аппарата интервальной оценки вероятностных показателей надежности технических систем с последовательно-параллельной структурой методом аппроксимации фидуциальных распределений в классе бета-распределений // Моделирование и ситуационное управление качеством сложных систем: Сборник докладов Научной сессии ГУАП, Санкт-Петербург, 08-12 апреля 2019 года. Санкт-Петербург: Санкт-Петербургский государственный университет аэрокосмического приборостроения, 2019. С. 27-34. EDN: IUCRVY.
  12. Моттаева А.Б., Смирнова И.А., Конников Е.А., Шаныгин С.И. Построение алгоритмики анализа экономической результативности трансрегионального промышленного кластера в контексте цикла приращения уровня устойчивого развития с применением инструментария событийного моделирования // Мягкие измерения и вычисления. 2024. № 77(4). С. 28-38. doi: 10.36871/2618-9976.2024.04.004. EDN: EQCIDA.
  13. Станин А.А., Митязов В.А., Сорокин В.И., Конников Е.А. Моделирование уровня несостоятельности регионов на основе алгоритма оценки риск-предрасположенности // Мягкие измерения и вычисления. 2024. № 84 (11-1). С. 35-49. doi: 10.36871/2618-9976.2024.11.003. EDN: ZUAGEG.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».