1 февраля 2024 г., AviaStat.ru – Ученые Самарского университета разработали скоростную нейрость, способную анализировать гиперспектральные данные с беспилотников или космических спутников. Об этом сообщает РИА Новости со ссылкой на пресс-службу вуза.

"Ученые Самарского университета им. Королева разработали и испытали скоростную нейросеть, способную в режиме реального времени анализировать поступающий видеопоток и практически мгновенно распознавать и находить в этом видеопотоке заданные объекты и изображения.

Наряду с анализом картинки с обычной видеокамеры, разработка может оперативно <...> анализировать также данные, получаемые с помощью гиперспектрометров — устройств, видящих реальность в многоканальном спектральном отображении и позволяющих обнаруживать объекты, невидимые для обычных средств наблюдения", — говорится в сообщении Самарского университета.

Оптическая нейросеть была создана на основе аналоговой фотонной вычислительной системы, которая обладает рядом преимуществ: полной защищенностью от электромагнитных помех, малым потреблением энергии и возможностью параллельной обработки данных. Ученые создали демонстрационный образец с использованием стандартных лабораторных оптико-механических компонентов, различных модуляторов и видеокамер, рассказал профессор кафедры технической кибернетики Самарского университета Роман Скиданов.

"Надежность распознавания в ходе первых экспериментов на демонстрационном образце составила 93,75%. В 2024 году планируется собрать и испытать экспериментальный образец системы в достаточно компактном корпусе размером с небольшой системный блок компьютера. Точность и надежность распознавания у экспериментального образца должна вырасти за счет подбора компонентов с улучшенными характеристиками", — отметил Скиданов.

При гиперспектральной съемке или гиперспектральном дистанционном зондировании Земли, которые проводятся с помощью беспилотников или космического спутника, можно эффективно находить парниковые газы, вести геологоразведку труднодоступных территорий, а также более точно отслеживать возникновение лесных пожаров.