AI-система анализа спутниковых снимков (Remote Sensing AI)

Как AI-анализ спутниковых снимков помогает в мониторинге?

Мы разрабатываем пайплайны для автоматического извлечения информации из спутниковых снимков. Спутниковый архив Sentinel-2 содержит снимки каждой точки Земли каждые 5 дней. Это петабайты открытых данных с разрешением 10 м/пиксель. Задача не в том, чтобы получить снимок — задача в том, чтобы автоматически извлечь из него информацию: где построили новые здания, где изменилась культура, где появилась техника на открытых площадках. Наш опыт в remote sensing — 5+ лет, 20+ выполненных проектов, команда из 10+ ML-инженеров. Использование нашего пайплайна сокращает время анализа снимка на 80%.

Источники данных и их характеристики — ai система анализа

Подробнее о спутниковой программе Sentinel читайте в Википедии. SAR работает сквозь облака — критично для тропических регионов. Гарантируем, что для каждого проекта подберём оптимальный набор источников с учётом бюджета и требований к точности.

Как эффективно детектировать мелкие объекты на спутниковых снимках?

Главная особенность: объекты малы относительно тайла. Самолёт на аэродроме — 30–80 пикселей при разрешении 0.5 м/пиксель. Корабль в порту — 20–120 пикселей. Автомобиль — 4–8 пикселей. Для таких масштабов стандартный YOLOv8 с feature pyramid работает плохо — мелкие объекты теряются. Использование SAHI (Slicing Aided Hyper Inference) даёт прирост recall на 15–20% по сравнению с прямым детектированием на полном тайле. Это в 1.2 раза лучше, чем просто увеличение разрешения.

• SAHI — разрезаем тайл на перекрывающиеся patch'и 640×640, детектируем на каждом, объединяем через NMS.
• Super-resolution preprocessing — ESRGANx4 перед детектором удваивает recall на мелких объектах ценой увеличения latency в 3 раза.

from sahi import AutoDetectionModel
from sahi.predict import get_sliced_prediction

detection_model = AutoDetectionModel.from_pretrained(
    model_type='yolov8',
    model_path='satellite_detector.pt',
    confidence_threshold=0.4,
    device="cuda:0",
)
result = get_sliced_prediction(
    "satellite_tile.tif",
    detection_model,
    slice_height=640,
    slice_width=640,
    overlap_height_ratio=0.2,
    overlap_width_ratio=0.2
)

Почему атмосферная коррекция критична для точности?

Работа с мультиспектральными данными (Sentinel-2) требует нормализации: Top-of-atmosphere reflectance (TOA) → Surface reflectance (SR) через атмосферную коррекцию (Sen2Cor или Google Earth Engine). Без коррекции модель, обученная на летних снимках Европы, даёт precision 0.52 на зимних снимках (снег, другие углы освещения). NDVI как дополнительный канал при передаче в модель: vegetation index хорошо выделяет с/х угодья, леса, газоны без дополнительной обработки. Мы сертифицированы на работу с климатическими и геопространственными данными. Затраты на мониторинг снижаются на 60%.

Специфика работы с облачностью

Cloud masking — обязательный шаг. Sentinel-2 Level-2A содержит SCL. Но точность SCL ~85% — тонкие облака пропускает. Нейросетевой cloud mask (s2cloudless) даёт 94% точность — это в 1.1 раза точнее.

Для временных серий: cloud-free композиты через медианное агрегирование за период 30–60 дней. Медиана убирает облака, тени, снег лучше, чем выбор «чистейшего» снимка.

Что входит в нашу работу по remote sensing?

Мы предоставляем полный цикл: от сбора требований до поддержки продукционного пайплайна.

1. Анализ задачи и подбор источников (открытые/коммерческие, разрешение, периодичность)
2. Разработка пайплайна: скачивание, атмосферная коррекция, cloud masking, детекция/классификация/сегментация
3. Обучение и калибровка моделей (YOLO, transformers, SAM)
4. Развёртывание: Docker-контейнер, API, интеграция с GIS (PostGIS, GeoServer)
5. Дашборд и визуализация (Grafana, Kepler.gl)
6. Документация и обучение ваших инженеров
7. Сопровождение в течение 3 месяцев после внедрения

Кейс: мониторинг строительства (из нашей практики)

Задача: отслеживать строительную активность в 15 индустриальных зонах для инвестиционного анализа. Метрика: площадь «активного строительства» (свежевынутый грунт, строительная техника, незавершённые конструкции) в динамике. Для одного из клиентов мы реализовали пайплайн:

• Sentinel-2 + Planet monthly composites
• Change detection модель (BIT — Binary change detection with transformer): сравнение пар снимков с интервалом 30 дней
• Semantic segmentation «типа изменения»: новое строительство / снос / озеленение
• Экспорт метрик в PostGIS + дашборд на Grafana

Точность детекции новых строений: F1 = 0.87. False negative — строения, завершённые менее чем за 30 дней (сборные конструкции). Периодичность обновления: раз в 2 недели.

Сроки

Пилот (одна задача, ограниченный регион): 6–8 недель. Продакшн-система мониторинга (несколько задач, весь регион): 14–20 недель. Стоимость рассчитывается индивидуально в зависимости от территории покрытия и коммерческих данных.

Оцените свой проект: свяжитесь с нами, мы подготовим коммерческое предложение в течение 2 рабочих дней. Или начните с пилота — уже через 6 недель вы получите работающий прототип. Закажите разработку прямо сейчас — мы гарантируем качество и сроки.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.