Как сообщает cnews.ru, «Норбит» (входит в группу компаний «Ланит») и ее партнер в сфере машинного обучения «Н-Системс» разработали приложение классификации геоданных для компании «Шахты» – разработчика беспилотных летательных систем и программного обеспечения для обработки и хранения данных. Реализация проекта направлена на устранение нарушений в сфере градостроительного и земельного законодательства, и как следствие на увеличение налогооблагаемой базы.

Проект является частью национальной программы цифровой трансформации регионов и включает сбор данных за счет облета территорий и составления высокоточных ортофотопланов, создание геоинформационных систем и их интеграцию с другими источниками данных на уровне федеральных и региональных структур.

Новое приложение позволяет автоматически определять координаты зданий и сооружений, заснятые беспилотными летательными аппаратами. Сопоставив координаты объектов со снимков и данные кадастровых реестров, компания с высокой точностью выявляет нарушения в области земельного законодательства. Разработанная модель машинного обучения распознает свыше 80% всех зданий и сооружений независимо от времени года.

При разработке приложения использовались технологии с открытым исходным кодом, язык разработки Python, геоинформационная система Geoserver, нейросетевая библиотека Keras, нейронная сетка Mask-R CNN, OpenCV, Tensorflow. Обучение моделей производилось на оборудовании Nvidia.

Дмитрий Добровольский, генеральный директор компании «Шахты», сказал: «Новое приложение решает важную задачу по устранению нарушений в сфере земельных вопросов, в том числе помогает регулировать пополнение региональных бюджетов налогами. Разрабатываемые геоинформационные системы мы планируем применять во многих направлениях регионального хозяйства. На данный момент формируется "дорожная карта" для реализации таких проектов в нескольких регионах».

Дмитрий Демидов, генеральный директор компании «Н-Системс», отметил: «Совместно с командой "Норбита" мы сделали проект, уникальность которого заключается в использовании алгоритмов машинного обучения для преобразования пространственных данных. В ходе проекта мы применяли не только ортофотопланы, но и плотные облака точек и карту высот. Так, за короткие сроки наш заказчик получил эффективную технологию классификации зданий и сооружений».