В 2025 году компания «Сканэнергоконтроль» выполняла проект на аэрофотосъёмку населённых пунктов Нижегородской области общей площадью 4000 км². Из-за активной работы средств радиоэлектронной борьбы (РЭБ) удалось охватить лишь порядка 2600 км². Параллельно в рамках того же проекта стояла задача выделения полигонов объектов капитального строительства (ОКС) по крышам зданий для последующего расчёта фактического пятна застройки (не для ККР). Ручная оцифровка была невозможна из-за сжатых сроков и масштабов работ и было принято решения по автоматизации процесса с использованием нейросетей.
Почему был выбран искусственный интеллект?
- Масштаб территории: тысячи квадратных километров и тысячи объектов капитального строительства;
- Жёсткие сроки: весь объём данных нужно было обработать за несколько месяцев.
- Необходимость надёжного результата.
Как проходила работа
1. Сбор и подготовка изображений
- Разделили большие аэрофотоснимки на мелкие тайлы (обычно размером 512×512 пикселей) — так удобнее загружать данные в алгоритмы и равномерно распределять нагрузку.
- Выровняли цветопередачу: подстроили яркость, контраст и баланс белого, чтобы отличие кровельных материалов (металл, черепица, битум) было более чётким.
- Подготовили обучающие данные для модели: Опытные картографы отобрали репрезентативные участки — разные типы застройки, материалы крыш. Всего получилось несколько сотен размеченных объектов. Собранные вручную разметки стали эталоном для обучения и валидации моделей.
2. Выбор и тестирование моделей
После того как собрали и разметили обучающую выборку, перешли к этапу подбора и оценки моделей. Работа шла поэтапно:
- Изучили популярные нейросетевые архитектуры для сегментации объектов на снимках.
- Разбили размеченные тайлы на три части:
– тренировочная выборка для обучения модели;
– валидационная для настройки гиперпараметров;
– тестовая для окончательной проверки качества.
- Применили аугментации (повороты, отражения, сдвиги, изменение яркости) — чтобы модель лучше работала с разными ракурсами и освещением.
- Обучили каждую из сетей на одинаковом объёме данных: фиксировали параметры обучения (количество эпох, размер батча, скорость обучения).
- На валидационной выборке оценили:
– точность выделения крыш (метрика IoU — насколько области модель совпадают с ручной разметкой),
– полноту (recall) — процент крыш, который модель не пропустила,
– точность (precision) — насколько модель не выдаёт «ложных» крыш.
- Для каждой модели замерили время инференса (обработки) одного тайла на нашем оборудовании.
- Учли потребление оперативной и видеопамяти — важно, чтобы модель работала стабильно при пакетной обработке тысяч тайлов.
- Прогнали каждую модель на «слепой» тестовой выборке: убедились, что заявленные метрики подтверждаются на новых данных.
3. Итоговое решение
В итоге подготовили три отдельных «обученных» модели, каждая — под свой тип застройки. Ниже простыми словами о двух ключевых из них:
- Модель с городской застройкой, кварталы с многоэтажками
2. Модель для индивидуального жилищного строительства (ИЖС): частный сектор, дачные участки, коттеджные посёлки. Игнорирует мелкие постройки, теплицы.
3. Третья (универсальная) модель служит «запасным вариантом» для смешанных и нестандартных территорий, но в вашем случае основные два варианта обеспечивают наилучшую точность и скорость обработки.
Результаты распознования зданий
- Точность автоматической разметки близка к ручной работе специалистов.
- На каждый квадратный километр ортофотоплана требуется несколько минут обработки на сервере.
- После автоматического выделения крыш данные сразу переводятся в векторный формат (полигоны), готовый к использованию в геоинформационных системах.
Благодаря технологиям компьютерного зрения компания «Сканэнергоконтроль» уложилась в сроки контракта, сократила трудозатраты на ручную оцифровку и получила качественные картографические данные крыш зданий Нижегородской области.
Итого: за 4 месяца с помощью ИИ мы обработали 2 600 км² территории, охватили 557 населённых пунктов и оцифровали 752 592 объекта капитального строительства.
Перспективы
- Добавление анализа изменений со временем: появление новых пристроек или капитального строительства.
- Подготовка модели для оцифровки земельных участков по забору.
⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡⚡
💬 Для консультации - @scancontrol_chat
📞 +7 (831) 212-99-30
📞 +7 (930) 800-80-58 - Устинов Артём (Главный инженер)
🔊 Создаем удобные и современные геоинформационные системы под Ваши задачи.🔊