Моделі та методи обробки потоків даних зображень в системі підтримки прийняття рішень

Abstract

У роботі досліджено моделі та методи обробки супутникових зображень. Створено структурні схеми та математично обґрунтовані алгоритми. Продемонстровано результати роботи розробленої гібридної моделі обробки та аналізу супутникових зображень для виявлення осередку пожежі на початковому стані. Об'єктом дослідження є процеси прийняття рішень та оперативного реагування на надзвичайні ситуації в умовах виникнення лісових пожеж. Предметом дослідження є методи, моделі та інструментальні засоби удосконалення процесу раннього виявлення та ідентифікації лісових пожеж на основі гібридної комп’ютерної моделі. Розглянуто методи аналізу зображень: сегментація, виділення ознак, математичні морфологічні операції. Розглянуто методи глибокого навчання та гібридні моделі. Розглянуто такі моделі: AlexNet, VGGNet, Inception (GoogLeNet), MobileNet. Розроблена архітектура нейронної мережі продемонструвала свою ефективність у виявленні вогневих патернів, що підтверджується досягнутою точністю 92%. Цей результат свідчить про успішну реалізацію алгоритму навчання, який базується на згорткових нейронних мережах. The paper investigates models and methods for processing satellite images. Structural diagrams and mathematically based algorithms are created. The results of the developed hybrid model for processing and analyzing satellite images for detecting a fire source in the initial state are demonstrated. The object of the study is the processes of decision-making and operational response to emergencies in conditions of forest fires. The subject of the study is methods, models and tools for improving the process of early detection and identification of forest fires based on a hybrid computer model. The methods of image analysis are considered: segmentation, feature extraction, mathematical morphological operations. Deep learning methods and hybrid models are considered. The following models are considered: AlexNet, VGGNet, Inception (GoogLeNet), MobileNet. The developed neural network architecture has demonstrated its effectiveness in detecting fire patterns, which is confirmed by the achieved accuracy of 92%. This result indicates the successful implementation of the learning algorithm based on convolutional neural networks.