Это не первая такая разработка в мире, но на российском рынке подобных продуктов пока что мало. Программный комплекс Бор на базе ИИ автоматически обрабатывает снимки, создает векторные карты расположения деревьев и формирует отчеты о породном составе и запасах древесины.

С помощью нейросетей, обучаемых на собственных датасетах Геоскана, ПО проводит автоматическую сегментацию лесных угодий, определяет сухостой и границы крон деревьев, классифицирует их по породному составу и рассчитывает таксационные характеристики выдела. На основе полученных данных «Бор» формирует отчеты о запасах древесины и векторные карты, которые можно загружать в GPS-приёмники, сторонние программы, геоинформационные системы и веб-порталы.

При наличии в границах выдела ранее неизвестных нейросети пород программа может «вслепую» классифицировать деревья методами машинного обучения. Группы похожих деревьев объединяются в слои, а породу назначает оператор.

Программный комплекс «Бор» прошел успешное тестирование в пилотном проекте по определению характеристик лесов на юге острова Сахалин. Сравнение данных аэрофотосъемки с данными лесоустройства показало, что результаты находятся в пределах допустимой погрешности.

«Работа нейросетей в комплексе с БАС дает точность, сравнимую по качеству с результатом сплошного перечёта и соответствующую требованиям Лесоустроительной инструкции. При этом не нужно тратить время на пешее прохождение часто труднодоступных участков и ручную обработку данных. «Бор» станет эффективным инструментом для управления лесным хозяйством и для освоения новых территорий», — рассказал руководитель отдела разработки ПО ГК «Геоскан» Арсений Афанасенко.

Признаться, мне сложно поверить в высокое качество работы системы, не опирающейся на данные наземных объездов. Но допускаю, что наука не стоит на месте, и действительно немало информации можно собрать, располагая только видом сверху. 

И все же:

📌 ИИ анализирует только видимую часть — кроны. Но ключевые таксационные параметры, такие как диаметр ствола на высоте груди и высота дерева до вершины, с большой точностью измерить только по фото сверху практически невозможно. Камера не видит ствол под кроной. Алгоритмы могут строить прогнозные модели, основанные на корреляции размера кроны с высотой и диаметром, но эти модели будут иметь погрешность, сильно зависящую от породы и условий произрастания (например, в густом лесу кроны вытянуты).

📌 Система может идентифицировать сухостой (деревья без листьев), но она бессильна перед внутренними пороками древесины (гниль, ложное ядро), которые не видны сверху и кардинально влияют на товарную ценность дерева. Это фундаментальное ограничение дистанционных методов.

📌 Заявление о возможности классификации новых пород с БЛА звучит оптимистично, но на практике может привести к ошибкам. Разные породы на снимках высокого разрешения могут выглядеть очень похоже (например, разные виды ив или пихт). Без репрезентативной наземной выборки для обучения ошибки классификации неизбежны.

📌 Молодые деревья, растущие под пологом леса, скорее всего, будут невидимы для камеры и, следовательно, для ИИ. Это приводит к недооценке общего запаса и не дает информации о естественном возобновлении леса — критически важном параметре для устойчивого управления.

Но и отбрасывать новую технологию не стоит.

🔸 Система идеальна для мониторинга масштабных изменений: последствий пожаров, ветровалов, незаконных рубок. Сравнение снимков за разные годы дает объективную картину динамики. В условиях промышленных лесов плантационного типа (например, сосновые монокультуры), где состав и возраст деревьев известны и относительно однородны, точность ИИ будет значительно выше. "Бор" может стать мощным инструментом для оперативного контроля.

🔸 Как всегда, оптимум – в сочетании методов, объединении данных с БАС сочетание данных (оптических, лидарных, гиперспектральных) с выборочными наземными проверками (например, с объездом участка леса на квадроцикла с лидаром на подвесе) — это и есть будущее лесоустройства.

UPD: 

Специалисты Геоскан ответили на мой отзыв, воспроизвожу этот ответ для читателей Robotrends:

Руководитель направления применения БАС в лесном хозяйстве ГК «Геоскан» Екатерина Лысун:

«Вы правы, действительно, наука не стоит на месте и еще пару лет назад инструменты, подобные Бору, особенно для лесной отрасли, не существовали. Основываясь на многолетнем опыте, Геоскан предпочитает индивидуальный подход к каждому из обследуемых участков, чтобы максимально учесть особенности роста и развития древостоев, их структуры и влияния природно-климатических условий. При обучении инструментов искусственного интеллекта для каждого участка создается своя обучающая выборка (собственный датасет).

В ходе отработки технологии, в том числе на опытном участке в Сахалинской области, упомянутом в публикации (https://t.me/geoscan_official/1367), результаты обработки данных аэросъемки проверялись путем наземной верификации, а расчет зависимостей между различными параметрами производился с учетом материалов, собранных наземными способами. При обнаружении не учтенных ранее пород уточнение также производилось при наземных обследованиях, что позволило обучить систему до необходимого уровня точности.

Да, внутренние пороки древесины и характеристики подроста Бор и подобные ему разработки не определяют, поэтому на сегодняшний день инструменты анализа аэрофотосъемки, воздушного лазерного сканирования и иных видов аэросъемки не могут быть единственным источником информации при таксации лесосек. Вместе с тем технология развивается и эти инструменты становятся прекрасным источником данных при иных видах обследования и при уточнении качественных и количественных характеристик лесов, в особенности для труднодоступных и недоступных удаленных территорий, куда не каждый вездеход или квадроцикл с лидаром могут проехать».

- -