他们补充说,所开发的系统使用人工智能(AI)和无人机(UAV)技术自动生成陆地地图,无需互联网连接、外部计算机或手动干预。
土地测绘用于识别农田、森林、植被和城市地区,对于任何国家的地理治理都至关重要。它是规划、基础设施开发、自然资源管理和环境监测的基础。
在印度,土地测绘严重依赖人工调查,通常需要数周或数月才能生成不稳定的地图。
近年来,无人机已被用来对遥远的地形进行成像。然而,捕获的图像仍然需要实验室处理,这是一个耗时的过程,以获得可读的地图。
计算机科学与工程系副教授 Sambit Bakshi 表示,虽然全球范围内正在开发深度学习模型来帮助解释航空图像,但由于多个物体过于拥挤,它们常常难以识别道路、建筑物和植被。这些模型在实时使用时通常会生成不准确或不稳定的地图。为了解决这些限制,我们开发了一种深度学习模型,使无人机能够实时识别陆地特征。他说。与仅收集图像供以后分析的传统无人机不同,BHU-MANACHITRA适合机载处理,这使得它能够自给自足,在偏远地区、受灾地区或没有通信网络的地区尤其有价值。
政府机构可以将创新应用于土地记录现代化、城市规划和智慧城市发展。
农业部门可以立即评估作物状况、土壤健康和灌溉需求,从而提高生产力和可持续性。
此外,该系统还可能有助于印度政府于 2016 年启动的数字印度土地记录现代化计划 (DILRMP),该计划旨在将地籍图数字化,以创建现代化的综合土地记录系统。
研究人员解释说,在洪水、山体滑坡和地震等自然灾害期间,该系统可以提供即时地形信息,帮助当局规划更快、更有效的应对措施。环境和林业部门可以用它来监测森林砍伐、侵占和生物多样性的变化。
Bakshi 表示,BHU-MANACHITRA 中使用的轻量级 AI 模型参数少至 248 万个,使其适合机载处理。
他说,根据设计,无人机无法携带重型专用硬件进行实时图像处理,但可以携带微型处理器来执行这种轻量级人工智能模型,以执行陆地测绘。
“这项创新为更快的决策、更高效的资源管理和更强的抗灾能力开辟了新的可能性。凭借其在多个领域的潜在用途,BHU-MANACHITRA 可以在加强国家基础设施、支持现场运营以及在全国范围内做出更敏感、更明智的决策方面发挥关键作用,”他补充道。
关键词:BHU-MANACHITRA,实时土地测绘,NIT Rourkela,农业中的人工智能,无人机技术