ВКР ТУСУР: Методика и программа для поиска мусора в лесу на изображениях, полученных с помощью беспилотного летательного аппарата по яркос

ВКР ТУСУР: Методика и программа для поиска мусора в лесу на изображениях, полученных с помощью беспилотного летательного аппарата по яркости и цвету

Бесплатная консультация по вашей теме: Telegram: @Diplomit Телефон/WhatsApp/MAX: +7 (987) 915-99-32, Email: admin@diplom-it.ru

Актуальность темы

Леса — это легкие нашей планеты. Но их загрязнение бытовым и промышленным мусором становится все более тревожной проблемой. Традиционные методы обнаружения — пешая инспекция или наземное сканирование — крайне медленны, трудоемки и небезопасны для участков с труднодоступной местностью. Сотни гектаров леса могут оставаться необследованными годами.

Беспилотные летательные аппараты (БПЛА) — идеальный инструмент для масштабного мониторинга. Они могут быстро облететь огромную территорию и сфотографировать ее с воздуха. Но что делать с сотнями, тысячами снимков? Человеку невозможно вручную просмотреть каждый пиксель и найти там бутылку, пакет или старую покрышку.

Ваша дипломная работа — это создание методики и программы для автоматического обнаружения мусора на изображениях с БПЛА. Это не просто «фотоанализ». Это решение, которое превращает спутниковые снимки в точные карты загрязнений. Программа будет анализировать цвет и яркость пикселей, выделять области, которые резко отличаются от природного фона (например, белый пластик на зеленом фоне, серый металл на коричневой почве), и точно маркировать места скопления мусора.

Вы создадите продукт, который может быть внедрен в экологические службы ТУСУР, использован для исследований в рамках проектов по сохранению биоразнообразия или передан в региональные органы природопользования. Это не теория — это ваш вклад в спасение природы.

Возникли трудности с выбором алгоритма цветового анализа или реализацией интерфейса? Наши эксперты по защите информации помогут! Звоните или пишите: Telegram: @Diplomit
+7 (987) 915-99-32 (WhatsApp/MAX), admin@diplom-it.ru.

Если вы еще не определились с типом изображений, ознакомьтесь с полным руководством по написанию ВКР ТУСУР Информационные системы и технологии Полное руководство по написанию ВКР ТУСУР Информационные системы и технологии.

Цель и задачи

Цель исследования: Разработать методику и программное обеспечение для автоматического обнаружения мусора на изображениях, полученных с помощью беспилотного летательного аппарата, основанную на анализе цветовых и яркостных характеристик, с целью повышения эффективности экологического мониторинга лесных массивов.

Для достижения цели необходимо решить следующие задачи:

• Проанализировать существующие методы обнаружения мусора на изображениях: классические компьютерные методы, глубокое обучение (CNN)
• Изучить цветовые модели и пространства (RGB, HSV, LAB) для выделения аномалий на фоне природного ландшафта
• Собрать и подготовить набор данных: реальные и синтетические изображения леса с различными типами мусора (пластик, стекло, металл, текстиль)
• Разработать методику: последовательность шагов от съемки до получения карты загрязнений
• Выбрать технологический стек: Python + OpenCV + NumPy + PyQt5 / Web
• Реализовать модуль предварительной обработки изображений: коррекция перспективы, улучшение контраста, удаление шумов
• Реализовать модуль цветового анализа: выделение областей с аномальными значениями яркости и цвета
• Реализовать модуль сегментации и фильтрации: разделение объектов, удаление ложных срабатываний (тени, камни, светлые пятна)
• Реализовать модуль геопривязки: привязка координат обнаруженного мусора к географическим координатам
• Создать визуализацию: тепловые карты загрязнений, отметки на карте, экспорт в KML/GPX
• Реализовать пользовательский интерфейс для загрузки изображений, запуска анализа и просмотра результатов
• Провести тестирование методики на реальных данных и оценить ее точность и эффективность

Объект и предмет исследования

Объект исследования: Процессы мониторинга и выявления антропогенного загрязнения лесных экосистем с использованием данных дистанционного зондирования.

Предмет исследования: Методика и программные средства для автоматического обнаружения мусора на изображениях, полученных с помощью беспилотного летательного аппарата, на основе анализа цветовых и яркостных характеристик пикселей.

Фокус работы — на простоте и надежности. Как сделать так, чтобы система работала без сложных GPU, на обычном ноутбуке, и при этом не путала пакет с тенью от дерева? Это не программирование — это инженерия экологического контроля. Именно здесь ваша работа становится научно значимой и имеет высокую практическую ценность для защиты окружающей среды.

Примерный план (Содержание) работы

Глава 1. Теоретические основы дистанционного зондирования и экологического мониторинга

• 1.1. Современные проблемы антропогенного загрязнения лесных экосистем
• 1.2. Применение БПЛА в экологическом мониторинге: преимущества и ограничения
• 1.3. Физические основы цвета и яркости: цветовые модели (RGB, HSV, LAB), спектральные характеристики материалов
• 1.4. Основы компьютерного зрения: сегментация, детекция объектов, фильтрация
• 1.5. Анализ существующих подходов к обнаружению мусора на изображениях: сравнение методов машинного обучения и классических алгоритмов

Глава 2. Разработка методики и программного обеспечения

• 2.1. Формирование требований к системе: функциональные и нефункциональные (точность, скорость, производительность, простота использования)
• 2.2. Выбор технологического стека: Python + OpenCV + NumPy + PyQt5
• 2.3. Проектирование методики: этапы сбора данных, обработки изображений, анализа и визуализации
• 2.4. Создание и пополнение датасета: сбор и аннотация изображений леса с мусором и без
• 2.5. Реализация модуля предварительной обработки изображений: коррекция перспективы, нормализация яркости, фильтрация шума
• 2.6. Разработка алгоритма цветового анализа: определение диапазонов цвета и яркости для типичного мусора (пластик, стекло, металл, текстиль)
• 2.7. Реализация модуля сегментации и фильтрации: алгоритмы morphological operations, кластеризация, удаление ложных срабатываний
• 2.8. Создание модуля геопривязки: расчет координат на основе данных GPS и параметров камеры БПЛА
• 2.9. Разработка модуля визуализации: создание тепловых карт, генерация карт с отметками, экспорт в форматы KML/GPX
• 2.10. Разработка пользовательского интерфейса: загрузка изображений, запуск анализа, просмотр результатов, управление параметрами

Глава 3. Тестирование и оценка эффективности

• 3.1. Методика тестирования: использование реальных и синтетических данных, сравнение с ручной разметкой
• 3.2. Оценка точности обнаружения: precision, recall, F1-score
• 3.3. Анализ скорости обработки одного изображения
• 3.4. Оценка удобства использования пользовательского интерфейса (SUS-шкала)
• 3.5. Экономическая оценка: сравнение затрат на ручной осмотр и использование автоматизированной системы
• 3.6. Рекомендации по внедрению в экологические службы и научные исследования

Возникли трудности с подбором цветовых диапазонов или реализацией геопривязки? Наши эксперты по защите информации помогут! Звоните или пишите: Telegram: @Diplomit
+7 (987) 915-99-32 (WhatsApp/MAX), admin@diplom-it.ru.

Ожидаемые результаты и практическая значимость

Результатом работы станет полнофункциональная программа с открытым исходным кодом, включающая:

• Методику автоматического обнаружения мусора на изображениях БПЛА
• Программу для обработки изображений и анализа цвета/яркости
• Библиотеку цветовых диапазонов для распространенных типов мусора
• Модуль геопривязки и формирования карт загрязнений
• Графический пользовательский интерфейс для управления процессом
• Отчет о тестировании с данными по точности, скорости и экономической эффективности

Практическая значимость — огромна. Программа может быть внедрена в лабораторию экологии ТУСУР, использована студентами для научных проектов или передана в Минприроды России. Она позволит оперативно выявлять точки загрязнения, планировать акции по уборке и отслеживать динамику ситуации. Вы создадите продукт, который поможет спасти леса от мусора — и сделаете это на базе знаний, полученных в ТУСУР. Это не просто диплом — это ваш вклад в экологическую безопасность страны.

Пример введения ВКР ТУСУР

Лесные экосистемы России являются одними из самых важных природных ресурсов, играющих ключевую роль в поддержании климатического баланса и биоразнообразия. Однако антропогенное загрязнение, в частности накопление бытового и промышленного мусора в труднодоступных районах, представляет собой серьезную угрозу для их устойчивости. Традиционные методы мониторинга, основанные на пешеходных инспекциях и наземных съемках, оказываются неэффективными для оценки масштабов загрязнения на больших территориях из-за высокой трудоемкости, ограниченной доступности и низкой частоты обследований. В условиях цифровизации экологического мониторинга и активного развития технологий беспилотных летательных аппаратов (БПЛА), возникает необходимость в разработке автоматизированных систем, способных быстро и точно выявлять очаги загрязнения на основе анализа aerial imagery.

Целью настоящей магистерской диссертации является разработка методики и программного обеспечения для автоматического обнаружения мусора на изображениях, полученных с помощью беспилотного летательного аппарата, основанную на анализе цветовых и яркостных характеристик, с целью повышения эффективности экологического мониторинга лесных массивов. Объектом исследования являются процессы мониторинга и выявления антропогенного загрязнения лесных экосистем с использованием данных дистанционного зондирования, предметом — методика и программные средства для автоматического обнаружения мусора на изображениях, полученных с помощью беспилотного летательного аппарата, на основе анализа цветовых и яркостных характеристик пикселей. Для достижения цели используются методы анализа современных подходов к компьютерному зрению, проектирования программных систем, реализации алгоритмов обработки изображений и методы оценки эффективности экологических технологий. Научная новизна заключается в создании уникальной методики, сочетающей простоту и эффективность классических методов цветового анализа (HSV, LAB) с адаптивной фильтрацией и геопривязкой, что позволяет достичь высокой точности обнаружения мусора на фоне сложного природного ландшафта без необходимости в дорогостоящем оборудовании или глубоком обучении. Практическая значимость работы состоит в предоставлении готового, легко воспроизводимого и экономически эффективного решения, которое может быть внедрено в лаборатории экологии ТУСУР, использовано в рамках научных проектов и передано в органы природопользования для оперативного выявления и устранения очагов загрязнения лесных территорий.

Заключение ВКР ТУСУР Информационные системы и технологии

В ходе выполнения выпускной квалификационной работы была разработана и протестирована методика и программа для автоматического обнаружения мусора на изображениях с БПЛА. Прототип успешно прошел тестирование на 150 реальных снимках лесных участков. Алгоритм цветового анализа показал точность обнаружения (F1-score) 87%, значительно превзойдя порог в 75% для подобных задач. Ложные срабатывания (тени, светлые камни) были сведены к минимуму благодаря адаптивной фильтрации. Геопривязка позволила точно маркировать координаты мусора на карте с погрешностью менее 5 метров. Пользовательский интерфейс получил оценку SUS 84, что свидетельствует о его высокой удобности для неспециалистов.

Разработанный инструмент полностью соответствует требованиям методички ТУСУР и демонстрирует высокий уровень профессионализма в области компьютерного зрения и экологической информатики. Полученные данные подтверждают, что автоматизированный мониторинг с помощью БПЛА и простых алгоритмов анализа — это не будущее, а текущая необходимость для эффективной экологической политики. Работа может служить основой для дальнейших исследований, включая интеграцию с ИИ-моделями для классификации типа мусора и создание облачной платформы для коллективного мониторинга.

Требования к списку источников

Список литературы должен соответствовать ГОСТ 7.1-2003 и включать не менее 40 источников, из которых минимум 25% (10+) должны быть опубликованы за последние 2 года (2023–2025 гг.). Источники следует разделить на категории: научные статьи по компьютерному зрению, книги по экологическому мониторингу, технические руководства по OpenCV, исследования по применению БПЛА в экологии.

Примеры корректного оформления:

• Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. — MIT Press, 2023. — 775 p.
• OpenCV Documentation. — URL: https://docs.opencv.org/ (дата обращения: 15.05.2025)
• Кузнецов, А.В. Применение беспилотных летательных аппаратов для мониторинга лесных экосистем // Вестник ТУСУР. — 2024. — № 1(54). — С. 89–97.
• Smith, J. et al. Automated Detection of Litter in Forests Using UAV-Based Imagery and Color Analysis. Remote Sensing. — 2024. — Vol. 16, No. 5. — P. 789.
• ISO 19115:2023. Geographic information — Metadata. — International Organization for Standardization, 2023.
• ГОСТ Р 58487-2019. Геоинформационные системы. Требования к данным о состоянии окружающей среды. — М.: Стандартинформ, 2019. — 32 с.

Обязательно включайте книги по компьютерному зрению (Goodfellow), технические руководства по OpenCV, статьи по применению БПЛА в экологии, стандарты геоинформационных систем. Все ссылки должны быть упомянуты в тексте работы.

Полезные материалы для написания магистерской диссертации

• Все готовые работы Информационные системы и технологии — образцы структур, кода и анализа
• Методические рекомендации по написанию ВКР ТУСУР по направлению 09.03.01
• Курс "Computer Vision with OpenCV" на Udemy
• Руководство по геопривязке изображений с БПЛА