Przejdź do treści

Ustawienia dostępności

Rozmiar czcionki
Wysoki kontrast
Animacje
Kolory

Tryb ciemny włączony na podstawie ustawień systemowych.
Przejdź do , żeby zmienić ustawienia.

Godło Polski: orzeł w złotej koronie, ze złotymi szponami i dziobem, zwrócony w prawo logo-sygnet Politechniki Morskiej w Szczecinie - głowa gryfa, elementy kotwicy i sygnatura PM Politechnika Morska w Szczecinie

Unia Europejska

Projekty Infostrateg

Projekt badawczo-rozwojowy konsorcjum Politechniki Morskiej i Gispro S.A. przeszedł do drugiej fazy programu INFOSTRATEG

Z przyjemnością informujemy, że projekt pt. „Prace badawczo-rozwojowe nad opracowaniem metod automatycznej detekcji obiektów topograficznych z wykorzystaniem algorytmów uczenia maszynowego”, realizowany przez konsorcjum Politechniki Morskiej w Szczecinie oraz firmę Gispro S.A., po pozytywnej ocenie merytorycznej został zakwalifikowany do drugiej fazy finansowania w ramach programu INFOSTRATEG V Narodowego Centrum Badań i Rozwoju.

Projekt po stronie Politechniki Morskiej prowadzony jest przez Katedrę Geodezji i Pomiarów Offshore w składzie:

  • dr inż. kpt. ż.w. Arkadiusz Tomczak, prof. PM (kierownik naukowy projektu)
  • dr inż. Tomasz Kogut
  • dr hab. inż. Grzegorz Stępień, prof. PM
  • mgr inż. Karol Kabała.

Jaki jest cel projektu?

Projekt ma na celu opracowanie nowatorskich metod automatycznego rozpoznawania i klasyfikacji obiektów topograficznych (takich jak budynki, budowle i urządzenia, sieci uzbrojenia terenu, pokrycie terenu, sieć komunikacyjna, sieć wodna) z wykorzystaniem danych geoprzestrzennych oraz zaawansowanych technik uczenia maszynowego, w tym głębokiego uczenia (deep learning).
Najważniejsze rezultaty uzyskane w I fazie projektu
  • Zbudowano modularne środowisko badawcze integrujące przetwarzanie danych wektorowych i rastrowych, złożone z autorskich komponentów analitycznych i klasyfikacyjnych.
  • Przeprowadzono analizę jakościową zbiorów danych referencyjnych BDOT10k, ortofotomapy oraz LiDAR pod kątem przydatności do uczenia modeli ML.
  • Opracowano i przetestowano pierwsze wersje algorytmów klasyfikacyjnych, wykorzystujących konwolucyjne sieci neuronowe (CNN), które osiągnęły dokładność detekcji dla wybranych klas obiektów na poziomie powyżej 80%.
  • Wprowadzono procedury automatycznego doboru parametrów sieci oraz zdefiniowano zestaw metryk do oceny jakości segmentacji i klasyfikacji obiektów.
  • Potwierdzono potencjał skalowalności i praktycznego zastosowania opracowanej metodyki w środowiskach produkcyjnych związanych z aktualizacją danych topograficznych.
Dzięki wyżej wymienionym osiągnięciom zespół projektowy uzyskał bardzo dobrą ocenę w ramach przeglądu fazy pierwszej i został rekomendowany do kontynuacji prac badawczo-rozwojowych w fazie drugiej, obejmującej rozszerzone testy walidacyjne, wdrożenie prototypu systemu oraz przygotowanie do komercjalizacji rezultatów.
 
Autor: Website Administrator

Przeglądarka Internet Explorer nie jest wspierana

Zalecamy użycie innej przeglądarki, aby poprawnie wyświetlić stronę