Новости

2 марта, 2021 18:23

Нейросеть научили определять свойства почв по рентгеновской томографии

Источник: ТАСС
Российские ученые создали нейронную сеть, которая по изображениям рентгеновской томографии может с высокой точностью определять свойства почвы. Благодаря этому можно будет эффективнее использовать земли для сельского хозяйства. Результаты работы опубликовал научный журнал Soil and Tillage Research, кратко об этом пишет пресс-служба Российского научного фонда (работа поддержана грантом РНФ - прим. ред. сайта rscf.ru).
Схема архитектуры нейронной сети ResNet-101 + U-net для анализа РКТ-изображений почвы. Источник: Lavrukhin et al. / Soil and Tillage Research, 2021
Пример обработки изображений: оригинальное трехмерное изображение почвы (рентгеновская томография) и сегментированное с помощью нейронной сети. Источник: Lavrukhin et al. / Soil and Tillage Research, 2021
3 / 4
Схема архитектуры нейронной сети ResNet-101 + U-net для анализа РКТ-изображений почвы. Источник: Lavrukhin et al. / Soil and Tillage Research, 2021
Пример обработки изображений: оригинальное трехмерное изображение почвы (рентгеновская томография) и сегментированное с помощью нейронной сети. Источник: Lavrukhin et al. / Soil and Tillage Research, 2021

"Ученые проверили, может ли нейросеть эффективно определять пористость и строение почвы по изображениям рентгеновской томографии. Часто невозможно оценить эти параметры без вмешательства человека, так как современные методы обработки изображений с участием оператора часто приводят к ошибкам. Предложенный подход позволяет это сделать всего с 5% ошибок и в будущем поможет оценивать структурное состояние почвы, в том числе для нужд сельского хозяйства", – говорится в сообщении.

Один из важных параметров почв – пористость. От нее зависит, как почва проводит воду и воздух, удерживает разные химические соединения (иногда опасные для человека). Знания о структуре и свойствах почв необходимы для проектирования инфраструктуры: зданий, дорог и других объектов. Во всех этих случаях нужно оценивать строение почвы: связность порового пространства на разных уровнях, наличие каналов передвижения воды и растворенных в ней веществ.

Для изучения морфологии почвы используется метод рентгеновской компьютерной томографии (РКТ). С его помощью можно получать наглядные трехмерные изображения внутренней структуры без необходимости раскапывать слой. Однако для оценки свойств почвы по РКТ-снимкам эти изображения нужно обработать: разделить их на рентген-контрастные фазы по градациям серого, то есть сегментировать. От того, насколько хорошо сегментировано изображение, зависит характеристика параметров образца.

Сократить роль человеческого фактора

"До недавнего времени сегментация чаще всего делалась вручную и зависела от восприятия каждого человека, что неэффективно и создает множество проблем. <...> Современные методы сегментации РКТ-изображений используют нейронные сети, то есть их можно обучить на данных из общедоступных библиотек изображений, что будет улучшать качество сегментации и со временем сведет к минимуму человеческий фактор. Но на этапе обучения нейросеть все равно требуют вмешательства человека", – рассказал один из авторов работы, ведущий научный сотрудник Института физики Земли им. Шмидта РАН Кирилл Герке.

В новой работе ученые из Института физики Земли, МГУ им. Ломоносова и Почвенного института им. Докучаева предложили алгоритмы для оценивания свойств почвы с большой точностью без участия человека. Для этого они использовали гибридную архитектуру нейронной сети ResNet-101 + U-net. С ее помощью ученые успешно обработали семь РКТ-изображений почвы. Для некоторых образцов из набора погрешность составила всего 5%.

Такой результат, по словам авторов исследования, говорит о том, что нейронная сеть работает точнее, чем все современные автоматические аналоги. 

5 апреля, 2021
Магнитные импульсы помогли создать карты активности мышц для диагностики двигательных нарушений
Сегодня магнитную стимуляцию головного мозга активно используют в психиатрии и неврологии для лечени...
1 апреля, 2021
Химики СПбГУ разработали эффективный подход к классификации чернил синих ручек на основе простого фотографирования
Коллектив авторов двух научных групп под руководством доцента кафедры физической химии М.А...