Точность автоматического обнаружения несанкционированных свалок по спутниковым снимкам удалось повысить с 56 до 95 процентов. Такой результат получили исследователи Пермского Политеха, разработав новую методику подготовки данных для обучения нейросети.
Созданная учеными программа автоматически собирает из открытых источников геопространственные характеристики участков: тип земного покрова, плотность населения, рельеф. Это избавляет инженеров от ручного поиска сведений и позволяет модели учитывать не только внешний вид территории, но и ее окружение. Для обучения использовали более 100 тысяч спутниковых изображений разных округов России, включая снимки карьеров, промышленных зон и стройплощадок, внешне похожих на свалки.
Как пояснил аспирант кафедры «Вычислительная математика, механика и биомеханика» ПНИПУ Вадим Данелян, при проверке сравнивали стандартный подход и новый. Доля ложных срабатываний снизилась примерно в 24 раза. По словам доцента Андрея Клюева, разработка упрощает подготовку данных и будет полезна экологическим службам и надзорным органам для быстрого реагирования на нарушения.
Проблема стихийных свалок остается острой: по данным Росприроднадзора за 2025 год, в России их более 8 тысяч. Ручные проверки требуют огромных затрат, а существующие нейросети часто путали мусор с похожими объектами. Новая методика, описанная в вестнике «Прикладная математика и вопросы управления», позволяет сократить ручные проверки и ускорить экологический мониторинг.