Details

Данная работа направлена на решение важной задачи – автоматизацию процесса выявления незарегистрированных объектов недвижимости на земельных участках с помощью технологий искусственного интеллекта (ИИ) и машинного обучения. Это позволяет повысить эффективность учета недвижимости, что критично для налогообложения и правового управления земельными ресурсами. Задачи, которые решались в ходе исследования: 1. Сбор и обработка геопространственных данных: Изучение источников данных, таких как спутниковые снимки и аэрофотоснимки, для получения актуальной информации о земельных участках. 2. Разработка и обучение нейронной сети: Создание алгоритмов для анализа и распознавания строений на основе обработанных изображений. 3. Интеграция с кадастровыми данными: Сравнение результатов анализа с официальной регистрационной информацией для выявления незарегистрированных объектов. 5. Тестирование и валидация: Проверка точности и надежности разработанной системы на реальных данных. Разработка и внедрение программного продукта для автоматизированного выявления незарегистрированных объектов недвижимости, что позволит оптимизировать учет и управление земельными ресурсами, повысить эффективность налогообложения и правовую ясность. Работа использует язык программирования Python и архитектуру нейронной сети RefineNet для семантической сегментации изображений. Это позволяет точно выделять и классифицировать объекты недвижимости на земельных участках. Разработка включает использование методов компьютерного зрения и машинного обучения для анализа геопространственных данных, автоматизируя процесс выявления объектов, что снижает участие человека и ускоряет обработку данных. Результаты: 1. Создано программное обеспечение, которое анализирует спутниковые и аэрофотоснимки для автоматизированного выявления незарегистрированных строений. 2. Разработана и обучена нейронная сеть для распознавания различных типов строений. 3. Программа успешно интегрирована с кадастровыми данными для сверки и выявления незарегистрированных объектов. 4. Проведено тестирование, которое показало высокую точность и надежность системы, с ошибками первого и второго рода менее 10%. Работа демонстрирует эффективность применения методов искусственного интеллекта для решения задач учета недвижимости. Созданное программное обеспечение способствует улучшению управления земельными ресурсами и повышению прозрачности в сфере налогообложения и правового регулирования недвижимости.

The given work addresses an important task — automating the process of detecting unregistered real estate objects on land plots using artificial intelligence (AI) and machine learning technologies. This improves the efficiency of real estate accounting, which is critical for taxation and legal management of land resources. Objectives addressed during the study: 1. Collection and processing of geospatial data: Study of data sources such as satellite images and aerial photographs to obtain current information about land plots. 2. Development and training of a neural network: Creation of algorithms for analyzing and recognizing buildings based on processed images. 3. Integration with cadastral data: Comparing the analysis results with official registration information to identify unregistered objects. 4. Testing and validation: Verifying the accuracy and reliability of the developed system on real data. The development and implementation of a software product for the automated detection of unregistered real estate objects will optimize the accounting and management of land resources, increase the efficiency of taxation, and enhance legal clarity. The work uses the Python programming language and the RefineNet neural network architecture for semantic image segmentation. This allows precise identification and classification of real estate objects on land plots. The development includes the use of computer vision and machine learning methods to analyze geospatial data, automating the object detection process, reducing human involvement, and speeding up data processing. Results: 1. A software program was created that analyzes satellite and aerial images for the automated detection of unregistered buildings. 2. A neural network was developed and trained to recognize various types of buildings. 3. The program was successfully integrated with cadastral data to verify and identify unregistered objects. 4. Testing was conducted, showing high accuracy and reliability of the system, with first and second kind errors of less than 10%. The work demonstrates the effectiveness of applying artificial intelligence methods to solve real estate accounting tasks. The developed software contributes to the improvement of land resource management and increases transparency in the field of taxation and legal regulation of real estate.