Інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ
Статтю присвячено розв’язанню важливої прикладної задачі пошуку сміттєзвалищ на основі методів машинного навчання з використанням супутникових даних високого просторового розрізнення. Проблема накопичення і зберігання відходів на легальних та несанкціонованих сміттєзвалищах актуальна і на сьогоднішн...
Gespeichert in:
| Datum: | 2023 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
2023
|
| Schlagworte: | |
| Online Zugang: | https://jais.net.ua/index.php/files/article/view/79 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Problems of Control and Informatics |
Institution
Problems of Control and Informatics| id |
oai:ojs2.jais.net.ua:article-79 |
|---|---|
| record_format |
ojs |
| institution |
Problems of Control and Informatics |
| baseUrl_str |
|
| datestamp_date |
2024-03-13T12:40:21Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
супутниковий моніторинг супутникові дані машинне навчання штучний інтелект класифікація геопросторових даних моніторинг сміттєзвалищ |
| spellingShingle |
супутниковий моніторинг супутникові дані машинне навчання штучний інтелект класифікація геопросторових даних моніторинг сміттєзвалищ Yailymova, Hanna Yailymov, Bohdan Shelestov, Andrii Krasilnikova, Tetiana Інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ |
| topic_facet |
супутниковий моніторинг супутникові дані машинне навчання штучний інтелект класифікація геопросторових даних моніторинг сміттєзвалищ satellite monitoring satellite data machine learning artificial intelligence geospatial data classification landfills monitoring спутниковый мониторинг спутниковые данные машинное обучение искусственный интеллект классификация геопространственных данных мониторинг свалок |
| format |
Article |
| author |
Yailymova, Hanna Yailymov, Bohdan Shelestov, Andrii Krasilnikova, Tetiana |
| author_facet |
Yailymova, Hanna Yailymov, Bohdan Shelestov, Andrii Krasilnikova, Tetiana |
| author_sort |
Yailymova, Hanna |
| title |
Інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ |
| title_short |
Інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ |
| title_full |
Інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ |
| title_fullStr |
Інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ |
| title_full_unstemmed |
Інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ |
| title_sort |
інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ |
| title_alt |
Intellectual methods and models of satellite data processing in landfills monitoring problems Интеллектуальные методы и модели обработки спутниковых данных в задаче мониторинга свалок |
| description |
Статтю присвячено розв’язанню важливої прикладної задачі пошуку сміттєзвалищ на основі методів машинного навчання з використанням супутникових даних високого просторового розрізнення. Проблема накопичення і зберігання відходів на легальних та несанкціонованих сміттєзвалищах актуальна і на сьогоднішній день. В Україні щороку утворюються мільйони тонн побутових відходів. Найбільші площі під полігони зайняті в Донецькій, Дніпропетровській, Одеській, Запорізькій областях. Так, в Донецькій області площі під сміттєзвалища займають 330 гектарів. Для моніторингу сміттєзвалищ використовуються різні технології, що базуються на супутникових даних і методах штучного інтелекту. Нині існують сервіси, за допомогою яких відстежується розташування сміттєзвалищ, але не надається інформація про територію сміттєзвалища та зміни її площі в часі. У процесі виконання досліджень розв’язано важливу задачу відокремлення полігонів від кар’єрів та штучних об’єктів шляхом поєднання попіксельної та об’єктної класифікації. Основна мета роботи полягала в розробці інтелектуальної інформаційної технології на основі нейромережевого підходу і побудові на її основі геопросторового продукту розміщення звалищ для Донецької області, а саме карти класифікації звалищ відходів. Запропонований алгоритм машинного навчання на основі історичних та сучасних супутникових даних дозволяє відстежувати площу полігону відходів та її зміни в часі. Розроблена інформаційна технологія апробована на території чотирьох територіальних громад у Донецькій області, а саме: Ольгинської, Мирноградської, Курахівської та Покровської. У результаті проведених досліджень також розроблено інформаційну панель, яка надає оперативні дані і дозволяє оцінювати динаміку змін сміттєзвалищ у регіоні в часі і просторі. Розроблена технологія має практичне значення для розробки програм керування та поводження з відходами в місцевих громадах. |
| publisher |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine |
| publishDate |
2023 |
| url |
https://jais.net.ua/index.php/files/article/view/79 |
| work_keys_str_mv |
AT yailymovahanna íntelektualʹnímetoditamodelíobrobkisuputnikovihdanihuzadačímonítoringuzvaliŝ AT yailymovbohdan íntelektualʹnímetoditamodelíobrobkisuputnikovihdanihuzadačímonítoringuzvaliŝ AT shelestovandrii íntelektualʹnímetoditamodelíobrobkisuputnikovihdanihuzadačímonítoringuzvaliŝ AT krasilnikovatetiana íntelektualʹnímetoditamodelíobrobkisuputnikovihdanihuzadačímonítoringuzvaliŝ AT yailymovahanna intellectualmethodsandmodelsofsatellitedataprocessinginlandfillsmonitoringproblems AT yailymovbohdan intellectualmethodsandmodelsofsatellitedataprocessinginlandfillsmonitoringproblems AT shelestovandrii intellectualmethodsandmodelsofsatellitedataprocessinginlandfillsmonitoringproblems AT krasilnikovatetiana intellectualmethodsandmodelsofsatellitedataprocessinginlandfillsmonitoringproblems AT yailymovahanna intellektualʹnyemetodyimodeliobrabotkisputnikovyhdannyhvzadačemonitoringasvalok AT yailymovbohdan intellektualʹnyemetodyimodeliobrabotkisputnikovyhdannyhvzadačemonitoringasvalok AT shelestovandrii intellektualʹnyemetodyimodeliobrabotkisputnikovyhdannyhvzadačemonitoringasvalok AT krasilnikovatetiana intellektualʹnyemetodyimodeliobrabotkisputnikovyhdannyhvzadačemonitoringasvalok |
| first_indexed |
2025-10-30T02:48:36Z |
| last_indexed |
2025-10-30T02:48:36Z |
| _version_ |
1847373349965004800 |
| spelling |
oai:ojs2.jais.net.ua:article-792024-03-13T12:40:21Z Інтелектуальні методи та моделі обробки супутникових даних у задачі моніторингу звалищ Intellectual methods and models of satellite data processing in landfills monitoring problems Интеллектуальные методы и модели обработки спутниковых данных в задаче мониторинга свалок Yailymova, Hanna Yailymov, Bohdan Shelestov, Andrii Krasilnikova, Tetiana супутниковий моніторинг супутникові дані машинне навчання штучний інтелект класифікація геопросторових даних моніторинг сміттєзвалищ satellite monitoring satellite data machine learning artificial intelligence geospatial data classification landfills monitoring спутниковый мониторинг спутниковые данные машинное обучение искусственный интеллект классификация геопространственных данных мониторинг свалок Статтю присвячено розв’язанню важливої прикладної задачі пошуку сміттєзвалищ на основі методів машинного навчання з використанням супутникових даних високого просторового розрізнення. Проблема накопичення і зберігання відходів на легальних та несанкціонованих сміттєзвалищах актуальна і на сьогоднішній день. В Україні щороку утворюються мільйони тонн побутових відходів. Найбільші площі під полігони зайняті в Донецькій, Дніпропетровській, Одеській, Запорізькій областях. Так, в Донецькій області площі під сміттєзвалища займають 330 гектарів. Для моніторингу сміттєзвалищ використовуються різні технології, що базуються на супутникових даних і методах штучного інтелекту. Нині існують сервіси, за допомогою яких відстежується розташування сміттєзвалищ, але не надається інформація про територію сміттєзвалища та зміни її площі в часі. У процесі виконання досліджень розв’язано важливу задачу відокремлення полігонів від кар’єрів та штучних об’єктів шляхом поєднання попіксельної та об’єктної класифікації. Основна мета роботи полягала в розробці інтелектуальної інформаційної технології на основі нейромережевого підходу і побудові на її основі геопросторового продукту розміщення звалищ для Донецької області, а саме карти класифікації звалищ відходів. Запропонований алгоритм машинного навчання на основі історичних та сучасних супутникових даних дозволяє відстежувати площу полігону відходів та її зміни в часі. Розроблена інформаційна технологія апробована на території чотирьох територіальних громад у Донецькій області, а саме: Ольгинської, Мирноградської, Курахівської та Покровської. У результаті проведених досліджень також розроблено інформаційну панель, яка надає оперативні дані і дозволяє оцінювати динаміку змін сміттєзвалищ у регіоні в часі і просторі. Розроблена технологія має практичне значення для розробки програм керування та поводження з відходами в місцевих громадах. The article is devoted to solving an important applied problem of landfill search based on machine learning methods using high-resolution satellite data. The problem of accumulation and storage of waste in legal and unauthorized landfills is relevant today. Millions of tons of household waste are generated in Ukraine every year. The largest areas for landfills are occupied in Donetsk, Dnipropetrovsk, Odesa, Zaporizhzhia regions. So, in the Donetsk region the areas under landfills occupy 330 hectares. Various technologies based on satellite data and artificial intelligence methods are used to monitor landfills. Currently, there are services that track the location of landfills, but do not provide information about the territory of the landfill and changes in its area over time. In the process of research, the important task of separating landfills from quarries and artificial objects by combining pixel-based and object-based classification was solved. The main purpose of the work was to develop intelligent information technology based on the neural network approach and build on its basis a geospatial product of landfills for the Donetsk region, namely classification maps of landfills. The proposed machine learning algorithm based on historical and modern satellite data allows tracking the area of the landfill and its changes over time. The developed information technology was tested on the territory of four territorial communities in Donetsk region, namely Olhyn, Myrnohrad, Kurakhiv and Pokrovsky communities. As a result of the research, an information panel was also developed, which provides operational data and allows to assess the dynamics of changes in landfills in the region in time and space. The developed technology is of practical importance for the development of waste management and management programs in local communities. Статья посвящена решению важной прикладной задачи поиска свалок на основе методов машинного обучения с использованием спутниковых данных высокого пространственного разрешения. Проблема накопления и хранения отходов на легальных и несанкционированных свалках актуальна и на сегодняшний день. В Украине ежегодно создаются миллионы тонн бытовых отходов. Самые большие площади под полигоны заняты в Донецкой, Днепропетровской, Одесской, Запорожской областях. Так, в Донецкой области площади под свалки занимают 330 гектаров. Для мониторинга свалок используются разные технологии, базирующиеся на спутниковых данных и методах искусственного интеллекта. В настоящее время существуют сервисы, с помощью которых отслеживается расположение свалок, но не предоставляется информация о территории свалки и изменениях ее площади во времени. В процессе выполнения исследований решена важная задача отделения полигонов от карьеров и искусственных объектов путем сочетания попиксельной и объектной классификации. Основная цель работы заключалась в разработке интеллектуальной информационной технологии на основе нейросетевого подхода и построении на ее основе геопространственного продукта размещения свалок для Донецкой области, а именно карты классификации свалок отходов. Предложенный алгоритм машинного обучения на основе исторических и современных спутниковых данных позволяет отслеживать площадь полигона отходов и ее изменения во времени. Разработана информационная технология апробирована на территории четырех территориальных общин в Донецкой области, а именно Ольгинской, Мирноградской, Кураховской и Покровской. В результате проведенных исследований также разработана информационная панель, которая предоставляет оперативные данные и позволяет оценивать динамику изменений свалок в регионе во времени и пространстве. Разработанная технология имеет практическое значение для разработки программ управления и обращения с отходами в местных общинах. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2023-08-03 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/79 10.34229/2786-6505-2022-2-9 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 67 № 2 (2022): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 128-140 International Scientific Technical Journal "Problems of Control and Informatics; Том 67 № 2 (2022): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 128-140 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 67 No. 2 (2022): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 128-140 2786-6505 2786-6491 10.34229/2786-6505-2022-2 uk https://jais.net.ua/index.php/files/article/view/79/169 Copyright (c) 2022 Hanna Yailymova, Bohdan Yailymov, Andrii Shelestov, Tetiana Krasilnikova https://creativecommons.org/licenses/by-nc-nd/4.0/ |