Детальная информация
| Название | 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 |
|---|---|
| Авторы | Крайнов Фёдор Павлович |
| Научный руководитель | Сорокина Наталья Владимировна |
| Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
| Выходные сведения | Санкт-Петербург, 2026 |
| Коллекция | Выпускные квалификационные работы ; Общая коллекция |
| Тематика | 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 |
| Тип документа | Выпускная квалификационная работа бакалавра |
| Язык | Русский |
| Уровень высшего образования | Бакалавриат |
| Код специальности ФГОС | 09.03.02 |
| Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
| DOI | 10.18720/SPBPU/3/2026/vr/vr26-2659 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Дополнительно | Новинка |
| Ключ записи | ru\spstu\vkr\42547 |
| Дата создания записи | 21.08.2026 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
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.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
- 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
