Использование технологии глубокого обучения и блокчейн может помочь решить проблему незаконной рубки и торговли древесными ресурсами. Данные технологии смогут позволить создавать точные базы данных о лесных ресурсах
и их использовании, обеспечивать прозрачность процесса добычи и продажи древесных материалов.
Комбинированное применение этих двух технологий в области лесного хозяйства является новаторским подходом, который позволяет повысить эффективность, надежность и прозрачность учета лесных ресурсов.
Приложение для занесения бревен в базу данных и их идентификации по фотографиям может иметь широкий потенциал применения в лесной промышленности. Оно может значительно упростить и автоматизировать процессы учета и контроля бревен, сократить время и усилия, а также повысить точность и надежность идентификации
Методика контроля и учета лесных ресурсов с использованием технологий глубокого обучения и блокчейн позволяет достичь цели регистрации каждого срубленного бревна и хранения информации о нем в единой базе данных. Это снижает риски использования нелегальной древесины, обеспечивает прозрачность в лесозаготовках и способствует устойчивому развитию лесной отрасли.
About WoodBlock
Обнаружение торцов бревен с использованием нейросети
Первым шагом является применение обученной нейронной сети, способной обнаруживать и локализовывать все торцы бревен на загруженных фотографиях.
Нейросеть основана на алгоритмах глубокого обучения, что позволяет ей точно определять положение торцов на изображениях.
Анализ и выбор видимых торцов
После обнаружения торцов бревен алгоритм производит анализ каждого изображения и выбирает только те торцы, которые видны на фотографиях на уровне 85% и более. Это позволяет исключить размытые, неполные или нечетко видимые торцы, фокусируясь на качественных и информативных данных.
После выбора видимых торцов происходит их вырезание из исходных фотографий. Затем каждое изображение торца проходит проверку на качество, с исключением размытых или низкокачественных фрагментов. Этот шаг гарантирует, что используемые данные будут достоверными и информативными для последующих этапов анализа.
Предобработка и сегментация торцов
После вырезания торцов изображений выполняется их предобработка для улучшения качества и подготовки к дальнейшей сегментации.
В этом этапе вторая обученная модель, основанная на технологиях глубокого обучения, применяется для сегментации торцов, что позволяет выделить их контуры и особенности.
Поиск ключевых точек и дескрипторов
Для более детального анализа каждого торца бревна производится дальнейшая предобработка изображений с целью поиска ключевых точек и дескрипторов. Это позволяет выделить уникальные характеристики каждого торца, которые будут использоваться для его идентификации и верификации.
Запись уникальных хешей дескрипторов в блокчейн
С помощью уникальных значений, полученных из дескрипторов, генерируются уникальные хеш-значения, которые записываются в блокчейн.
Блокчейн является надежной и недоступной для изменений базой данных, где хранится информация о каждом торце бревна и его уникальных характеристиках.
Верификация изображений и хранение уникальных значений
После записи в блокчейн изображения и их уникальные значения остаются храниться в системе. Это позволяет проводить верификацию изображений торцов при необходимости, а также создавать единую базу данных, где зарегистрированные бревна могут быть легально отслеживаемы и проверяемы при вывозе из страны.