Нейропамять для дрона представили в МФТИ

Ученые Московского физико-технического института (МФТИ) разработали бортовой интеллектуальный модуль «Нейропарсер», который превращает видеопоток беспилотного летательного аппарата (БПЛА) в структурированную объектовую сцену с историей наблюдений и геопривязкой. Разработка важна для инспекции инфраструктуры и поисковых операций, анализе последствий аварий, где критически важна не просто фиксация объектов, а их идентификация и отслеживание во времени. Об этом CNews сообщили представители МФТИ.

Современные беспилотники все чаще выступают не просто носителями камеры, а полноценными вычислительными платформами. На борту БПЛА появляются нейросети, тепловизоры, лидары и системы автономной миссии. Беспилотники могут в автоматическом режиме летать по подстилающей поверхности (к примеру, проект МФТИ – технологии бортовой оптической навигационной системы с использованием нейросетевых алгоритмов (БОСК).

Однако даже самые передовые решения сильны в отдельных функциях, но не дают целостной картины наблюдаемой сцены. Оператору приходится пересматривать видео, вручную запоминать объекты и сопоставлять их с координатами, что превращает инженерную задачу в трудоёмкий процесс.

Российские исследователи создали интеллектуальный модуль «нейропамяти» для беспилотных летательных аппаратов, который автоматически анализирует видеопоток с бортовых камер, формирует структурированную картину наблюдаемой местности и сохраняет историю обнаруженных объектов с географической привязкой. Как сообщили в МФТИ, разработка предназначена для повышения эффективности инспекции промышленных объектов, мониторинга территорий и оценки последствий аварий.

Система объединяет технологии сегментации изображений, отслеживания объектов, их повторного распознавания и навигационные данные. Благодаря этому каждый обнаруженный объект получает цифровую карточку с указанием типа, времени обнаружения, координат и других параметров. Это позволяет определить, как долго объект находился в поле зрения, перемещался ли он и насколько достоверно выполнено его распознавание.

Разработчики отмечают, что модуль способен сравнивать наблюдаемые объекты с заранее заданными образцами и автоматически включать совпадения в итоговый отчет. Такой подход снижает нагрузку на операторов БПЛА и ускоряет обработку данных при поисково-спасательных операциях, обследовании инфраструктуры и ликвидации последствий чрезвычайных ситуаций.