Details
| Title | Модуль системы автоматического обнаружения лесных пожаров на основе семантической сегментации спутниковых изображений: выпускная квалификационная работа бакалавра: направление 09.03.02 «Информационные системы и технологии» ; образовательная программа 09.03.02_02 «Информационные системы и технологии» = Forest fire detection system module based on semantic segmentation of satellite images |
|---|---|
| Creators | Крайнов Фёдор Павлович |
| Scientific adviser | Сорокина Наталья Владимировна |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
| Imprint | Санкт-Петербург, 2026 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | cемантическая сегментация ; спутниковые изображения ; дистанционное зондирование Земли ; зоны возгорания ; глубокое обучение ; нейронные сети ; перенос обучения ; компьютерное зрение ; semantic segmentation ; satellite images ; Earth remote sensing ; fire-affected areas ; deep learning ; neural networks ; transfer learning ; computer vision |
| Document type | Bachelor graduation qualification work |
| Language | Russian |
| Level of education | Bachelor |
| Speciality code (FGOS) | 09.03.02 |
| Speciality group (FGOS) | 090000 - Информатика и вычислительная техника |
| DOI | 10.18720/SPBPU/3/2026/vr/vr26-2659 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | ru\spstu\vkr\42547 |
| Record create date | 8/21/2026 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В данной работе изложена сущность подхода к семантической сегментации зон возгорания на спутниковых изображениях с использованием методов глубокого обучения. Представлены основные понятия семантической сегментации, особенности обработки многоканальных данных дистанционного зондирования Земли, а также современные архитектуры нейронных сетей, применяемые для решения задач компьютерного зрения. Проведён анализ архитектур U-Net++, MA-Net и DeepLabV3+, выполнено обучение и сравнение моделей. Разработан программный модуль, обеспечивающий загрузку спутникового снимка и обученной модели, построение маски зоны возгорания, визуализацию результата и получение характеристик обнаруженной области. Полученные результаты могут быть применены в задачах мониторинга пожаров, анализа спутниковых данных и поддержки принятия решений при оценке чрезвычайных ситуаций.
This paper presents an approach to semantic segmentation of fire-affected areas in satellite images using deep learning methods. It describes the main concepts of semantic segmentation, the specifics of processing multichannel remote sensing data, and modern neural network architectures used for computer vision tasks. The architectures U-Net++, MA-Net, and DeepLabV3+ were analyzed, trained, and compared. A software module was developed that provides satellite image loading, trained model loading, fire area mask generation, result visualization, and extraction of characteristics of the detected area. The obtained results can be applied to fire monitoring, satellite data analysis, and decision support in emergency assessment.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
- Модуль системы обнаружения лесных пожаров на основе семантической сегментации спутниковых изображений
- Введение
- 1. ОБЗОР ПРЕДМЕТНОЙ ОБЛАСТИ
- 2. ПРОЕКТИРОВАНИЕ
- 3. РЕАЛИЗАЦИЯ ПРОГРАММНОГО МОДУЛЯ
- Заключение
- Список использованных источников
- ПРИЛОЖЕНИЕ А Код основного файла запуска приложения
- ПРИЛОЖЕНИЕ Б Код обработки спутникового изображения
- ПРИЛОЖЕНИЕ В Код графического интерфейса приложения
- ПРИЛОЖЕНИЕ Г Код модуля работы с географической информацией
- ПРИЛОЖЕНИЕ Д Код модуля загрузки модели и выполнения предсказания
- ПРИЛОЖЕНИЕ Е Код модуля анализа результатов сегментации
- ПРИЛОЖЕНИЕ Ж Код универсального обучения моделей семантической сегментации
