Разработка программного модуля обнаружения объектов на спутниковых снимках

Данная работа посвящена разработке инструмента распознавания облаков и тумана на спутниковых снимках. Задачи, которые решались в ходе исследования:

1. Анализ существующих методов сегментации.

2. Подготовка и предобработка спутниковых данных.

3. Разработка и усовершенствование архитектуры модели.

4. Обучение и оптимизация модели.

5. Тестирование и оценка результатов.

В работе проведён обзор актуальных подходов к сегментации облаков и организована подготовка спутниковых снимков для обучения нейросетевой модели. Разработанная архитектура была обучена с оптимизацией гиперпараметров и контролем ключевых метрик, что позволило обеспечить стабильное выделение объектов на тестовых данных. Полученные результаты подтвердили преимущество предложенного решения над базовыми методами и его готовность к интеграции в системы мониторинга земной поверхности.

ВВЕДЕНИЕ .................................................................................................... 8

ГЛАВА 1. ИССЛЕДОВАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ И СУЩЕСТВУЮЩИХ АНАЛОГОВ ....................................................................... 10

ГЛАВА 2. ДАННЫЕ И МЕТОДОЛОГИЯ .................................................. 13

2.1. Спутниковые снимки и их разметка ........................................... 13

2.2. Характеристика спутника ............................................................ 14

2.3. Анализ содержимого датасета .................................................... 15

ГЛАВА 3. АНАЛИЗ ИСХОДНОГО МОДУЛЯ .......................................... 20

3.1. Изучение исходного программного модуля ............................... 20

3.2. Первичное испытание программного модуля ............................ 21

3.3. Анализ результатов...................................................................... 22

ГЛАВА 4. ФОРМИРОВАНИЕ ОБУЧАЮЩЕЙ ВЫБОРКИ ...................... 28

4.1. Поиск внешних ресурсов............................................................. 28

4.2. Отбор субсцен .............................................................................. 28

4.3. Организация и конвертация данных ........................................... 29

4.4. Ручная разметка ........................................................................... 31

4.5. Итоговая выборка ........................................................................ 34

ГЛАВА 5. УСОВЕРШЕНСТВОВАНИЕ ПРОГРАММНОГО МОДУЛЯ.. 36

5.1. Выбор технологического стека ................................................... 36

5.2. Исходная архитектура ResUnetPlusPlus ..................................... 37

5.3. Расширенные аугментации ......................................................... 38

5.4. Комбинированная функция потерь ............................................. 39

5.5. Оптимизация архитектуры .......................................................... 40

5.6. LR-scheduler ................................................................................. 40

5.7. Код программного модуля .......................................................... 41

ГЛАВА 6. ОБУЧЕНИЕ МОДИФИЦИРОВАННОГО МОДУЛЯ............... 43

6.1. Подготовка окружения и данных ................................................ 43

6.2. Организация тренировочного цикла ........................................... 43

6.3. Результаты обучения ................................................................... 45

ГЛАВА 7. ИСПЫТАНИЕ МОДУЛЯ И АНАЛИЗ РЕЗУЛЬТАТОВ .......... 48

7.1. Испытание на разнообразных данных ........................................ 48

7.2. Анализ качества распознавания .................................................. 52

7.3. Сравнение с исходным модулем ................................................. 54

ЗАКЛЮЧЕНИЕ ............................................................................................ 56

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ .................................... 58

ПРИЛОЖЕНИЕ ............................................................................................ 61

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. breakmirrors. Искусство аугментации: как улучшить модели компьютерного зрения без сбора новых данных [Электронный ресурс] // Блог компании Magnus Tech на Habr. – URL: (дата обращения: 05.05.2025)

2. Ветров Д.П., Махов А.А., Грабовой А.В. Глубокое обучение: Машинное обучение и искусственный интеллект. – М.: ДМК Пресс, 2020. – 653 с.

3. Методические рекомендации и задачи по работе с изображениями Земли из космоса [PDF] // Санкт-Петербургский политехнический университет Петра Великого. – 2023. – 23 с.

4. Описание малых космических аппаратов «АИСТ-2Д» [Электронный ресурс] // АО «РКЦ Прогресс». – URL:

(дата обращения: 15.04.2025)

5. ПО для CubeSat [Электронный ресурс] // Sputnix. – URL: https:// (дата обращения: 27.05.2025)

6. Соловьёв Р.А., Тельпухов Д.В., Кустов А.Г. Автоматическая сегментация спутниковых снимков на базе модифицированной свёрточной нейронной сети UNET // Инженерный вестник Дона. 2017. № 4. С. 1–36.

7. 95-Cloud: An Extension to 38-Cloud Dataset [Электронный ресурс] // GitHub. – URL: Dataset (дата обращения: 01.05.2025)

всего 19 источников