25–26 мая в Нижнем Новгороде прошёл Всероссийский форум «Цифровой лес». В рамках круглого стола «Искусственный интеллект в лесном хозяйстве» с докладом о применении ИИ для определения объёмов необработанных лесоматериалов выступил Андрей Гиценко.
В докладе была представлена разрабатываемая в рамках НИР технология автоматизированной оценки объёмов древесины на складах и лесовозах исключительно по фотоматериалам — без применения лидаров, камер глубины, стереосъёмки и иного специализированного оборудования. Решение строится на открытой архитектуре, что позволяет развернуть его на типовом компьютере и обеспечивает доступность технологии для государственных органов лесного надзора без закупки иностранного оборудования.
Для обучения и верификации моделей был сформирован датасет: 786 фотоизображений штабелей из пяти регионов:
- Московская область;
- Ленинградская область;
- Владимирская область;
- Томская область;
- Удмуртская Республика.
Представлено 406 изображений лесовозов из шести регионов. Для эталонной верификации специалисты ВНИИЛМ и партнёрских организаций провели поштучные ручные обмеры 15 штабелей и 30 лесовозов с фиксацией породы, диаметра каждого сортимента и времени измерения.
Технологическая архитектура включает четыре последовательные задачи:
- автоматическая детекция;
- распознавание государственных регистрационных знаков;
- геометрическая калибровка системы компьютерного зрения;
- семантическая сегментация и классификация лесоматериалов;
- алгоритмический расчёт объёмных характеристик.
Калибровка опирается на стандартный размер номерного знака (520×112 мм), что позволяет автоматически компенсировать перспективные искажения и адаптироваться к произвольному расстоянию съёмки. Детекция номера, контуров торцов сортиментов и определение породы реализованы на единой нейросетевой архитектуре YOLOv11, дообученной на собранном датасете. Расчёт объёма по выделенным торцам выполняется отдельным алгоритмическим модулем; для работы с системой подготовлен веб-сервис.
По результатам тестирования средняя погрешность определения объёма составила ±1 % на лесовозах и ±7 % на штабелях, при сокращении времени обработки одного объекта в среднем на 70 минут по сравнению с ручным перечётом. Модель уверенно классифицирует основные породы — берёзу, сосну (в том числе сухостойную), осину, липу. По сортиментам ели и ряду других хвойных пород показатели ниже из-за визуальной близости классов; работа по расширению датасета и повышению разделимости этих категорий продолжается. По итогам НИР зарегистрированы две базы данных и опубликованы научные статьи; достигнутый результат соответствует второму уровню готовности технологий (TRL-2).
