2025 — Формирование начального датасета на ограниченном наборе данных на основе сбора, предобработки, аннотирования и создание тематических слоев с помощью пользовательской или полуавтоматической классификации спутниковых снимков высокого разрешения, содержащих нефтяное загрязнение почвы. Проверка начального датасета на существующих архитектурах моделей искусственных нейронных сетей.

2026 — Создание полномасштабного датасета обеспечивающего полноту и репрезентативность данных путем использования большого количества снимков высокого разрешения. Осуществление процесса поэтапного улучшения полномасштабного датасета на основе его тестирования на существующих архитектурах моделей искусственных нейронных сетей.

2027 — Разработка новой архитектуры модели искусственной нейронной сети, предназначенной для распознавания космических многоканальных изображений с более чем четырьмя спектральными каналами, с учетом специфических характеристик и особенностей каждого канала. Обучение, тестирование и оптимизация модели искусственной нейронной сети для распознавания нефтяного загрязнения почвы, включая вычисление метрик производительности и сравнение результатов с существующими архитектурами.

2025 — Будет создан начальный датасет, содержащий архивные космические снимки высокого разрешения и аннотированные изображения с классами подстилающей поверхности, включая нефтяное загрязнение. Будет осуществлена проверка начального датасета, созданного на основе снимков высокого разрешения, на существующих архитектурах моделей ИНС, имеющих успешное применение в аналогичных задачах.

2026 — Будет расширен начальный датасет путем увеличения архивных спутниковых снимков высокого разрешения, на которых зафиксированы случаи нефтяного загрязнения почвы. Будет создан полномасштабный датасет аннотированных изображений с классами различных типов подстилающей поверхности, включая нефтяное загрязнение почвы.

2027 — Будет разработана новая архитектура модели искусственной нейронной сети, предназначенная для распознавания космических многоканальных изображений с более чем четырьмя спектральными каналами. Будет осуществлено обучение, тестирование и оптимизация разработанной модели ИНС распознавания нефтяного загрязнения почвы, и ее сравнение с существующими архитектурами.

В 2025 г. создан начальный датасет, содержащий архивные космические снимки со спутников PlanetScope за период 2017–2024 гг. с пространственным разрешением 3м и аннотированные изображения с классами подстилающей поверхности, включая нефтяное загрязнение. Главный акцент при формировании датасета сделан на корректной идентификации класса «замазученная территория». Для повышения точности выделения нефтяных пятен в режиме обучения использованы результаты предыдущих исследований и данные эталонного датасета ROSID (Remote Oil Spill Identification Dataset), основанного на обработке спутниковых данных Landsat среднего разрешения (30 м). Начальный датасет был протестирован на ряде архитектур искусственных нейронных сетей, таких как DeepLabv3+ и Mask2Former. Оценка качества проводилась по метрикам Accuracy, Precision, Recall и F1-score.

Нет.