В Перми к 6 ноября 2026 года исследователи ПНИПУ разработали метод обучения нейросетей для поиска несанкционированных свалок на космических снимках. Точность распознавания достигла 95%. Результаты работы опубликованы в научном издании по прикладной математике и управлению. Эту информацию сообщает издание Компьютерра.
Ранее такие системы ошибались: они принимали за мусорные скопления карьеры, промзоны и стройплощадки. Специалистам приходилось вручную перепроверять каждый сигнал. Исследователи из ПНИПУ выяснили, что причина кроется в наборе данных для обучения. Когда снимки свалок и чистых участков заметно различались по ландшафту, алгоритм реагировал на окружение, а не на сами отходы.
Для нового эксперимента собрали свыше 100 тысяч космических изображений из разных регионов страны. В выборку вошли не только кадры с отходами и без них, но и объекты, похожие на незаконные места складирования. Дополнительно создали программу, которая автоматически собирает геопространственные параметры. Она определяет тип покрова земли, плотность жителей, рельеф и другие характеристики по открытым источникам.
Обучение проводили на стандартной модели для анализа изображений. В набор добавили примеры карьеров, промышленных зон и строительных площадок. В итоге доля верных ответов выросла с 56% до 95%, а ложных срабатываний стало примерно в 24 раза меньше.
По мнению авторов, качество распознавания зависит не только от объема выборки. Важен ее состав. Разработка способна облегчить труд природоохранных структур и надзорных ведомств, которым нужно проверять большие территории и находить нелегальные скопления отходов.