Контроль якості аерофотознімків залишається одним із небагатьох етапів виробництва ортофотопланів, який досі значною мірою залежить від людини. Незважаючи на автоматизацію польотного планування, аеротріангуляції та створення ортофотопланів, перевірка вихідних знімків часто виконується вручну.
Оператори змушені переглядати тисячі кадрів, виявляючи розмиття, хмари, відблиски та інші дефекти, які можуть вплинути на якість кінцевого продукту. При цьому проблема полягає не лише у великих обсягах даних, а й у тому, що більшість знімків не містять помилок.
Саме з таким викликом зіткнулася польська компанія OPEGIEKA.
За даними компанії, понад 99,5% аерофотознімків є якісними.
На практиці це означає, що серед сотень тисяч кадрів лише невелика частина містить реальні дефекти:
Для навчання моделей машинного навчання така ситуація створює серйозну проблему. Даних із помилками занадто мало, щоб нейронна мережа могла ефективно навчатися та працювати на різних типах камер, територій і сезонів.
Інженери OPEGIEKA застосували інший підхід: якщо дефектів недостатньо для навчання, їх потрібно створювати штучно.
Для кожного типу помилки було розроблено окремий генератор синтетичних даних.
Наприклад:
У результаті система отримує практично необмежену кількість навчальних прикладів без необхідності збирати реальні дефектні знімки роками.
Розроблена система отримала назву CertiflAI.
Сьогодні вона автоматично виявляє:
Крім радіометричного аналізу, система виконує геометричний контроль:
Середній час перевірки одного великоформатного аерознімка становить близько 5 секунд.
Система вже використовується у національних картографічних агентствах Польщі, Каталонії та Словенії.
Загалом CertiflAI допомогла перевірити понад мільйон аерофотознімків.
Автоматизація дозволяє скоротити перевірку проєктів із декількох днів до кількох годин, а також забезпечити однакові критерії оцінки незалежно від людського фактору.
Досвід OPEGIEKA демонструє важливу тенденцію у розвитку GIS та фотограмметрії.
Якщо раніше штучний інтелект використовувався переважно для класифікації об’єктів, то сьогодні він дедалі активніше застосовується для контролю якості геоданих.
У майбутньому подібні рішення можуть стати стандартом для:
Фактично AI починає виконувати роль цифрового контролера якості геопросторових даних, дозволяючи швидше отримувати надійні результати для GIS, картографії та просторового аналізу.
