CC BY
4ДИСКУССИОННЫЕ ТЕМЫ
Учебный проект «Разработка приложения детектирования границ лесных массивов на спутниковых картах для экологического мониторинга»
Муханов Сергей Александрович.
к.пед.н., доцент, ФГБОУ ВО «МИРЭА Российский технологический университет, ФГАОУ ВО «Московский политехнический университет» E-mail: s_a_mukhanov@mail.ru
Муханова Анастасия Сергеевна,
ФГБОУ ВО «Государственный университет просвещения» E-mail: mukhanova.asya@gmail.com
В современном образовании заслуженно большую роль играет метод проектов. В данной статье мы рассматриваем мульти-дисциплинарный проект для реализации которого команде студентов пришлось развивать как универсальные компетенции, в плане самоорганизации и командной работы, а также общепрофессиональные компетенции студентов-программистов. Проект был посвящен разработке компьютерного программного обеспечения мониторинга лесных массивов на спутниковых снимках или с использованием данных аэрофотосъемки. При реализации проекта участники столкнулись с рядом прикладных задач. Для детектирования границ лесных массивов использовался оператора Шарра, реализуемый с применением библиотеки алгоритмов компьютерного зрения OpenCV. Для обнаружения контуров лесных массивов на изображениях спутниковых карт использовались сверточные нейронные сети (Convolutional Neural Networks, CNN), которые были специально разработаны для обработки изображений. А для анализа и интерпретации спутниковых данных и для оценки распространения лесных массивов использовался статистический анализ. Реализация проекта способствовало формированию у учащихся мотивации к учебе, поскольку сопряжена с реальной работой в выбранной ими сфере деятельности. Указанная деятельность позволила студентам лучше понимать математические понятия, применять изученные методы и техники, а также способствовал развитию у них навыков и умений поиска решений прикладных задач.
Ключевые слова: проектная деятельность, высшее образование, программирование, компьютерное зрение, детектирование границ.
о с
U
со см о см
1Л
Актуальность
Компетентностный подход выдвигает на первое место не информированность обучающихся, а их умение решать проблемы, возникающие в практической деятельности, и овладение способами деятельности. [1 ] В этой связи, одним из перспективных подходов к обучению, в настоящее время, является метод проектов. По определению П. Штайнбаха «проект - это одноразовое намерение выполнения уникальной задачи». [2]
При реализации конкретных проектов часто приходится задействовать знания и навыки из различных дисциплин. Горбунова Н.В. пишет, что «ключевым методологическим подходом к реализации проблемно-ориентированного метода обучения является междисциплинарный подход». [3]
Одним из проектов, предложенных к решению студентам, был проект разработки программного обеспечения мониторинга лесных массивов на спутниковых снимках или с использованием данных аэрофотосъемки.
Как известно, леса играют важную роль в поддержании биоразнообразия и экосистемы, а также являются ценным источником ресурсов. В результате чего лесные массивы РФ подвергаются угрозам незаконной вырубки, а также могут страдать от пожаров. Это делает студенческий проект актуальным и позволяет заинтересовать студентов.
Проектная деятельность позволяет вовлечь студентов в реальную деятельность, продемонстрировать взаимосвязь изучаемых дисциплин, сформировать соответствующие, в том числе и профессиональные, компетенции, поэтому, считаем, что проектная деятельность является актуальной.
Реализация проекта
При реализации проекта студентам пришлось решать множество технических и организационных проблем. В плане организации нужно было определить и разделить зоны ответственности участников проекта, устраивать различного рода совместные мероприятия, такие как мозговой штурм и пр. При реализации проекта у участников вырабатывались навыки самоорганизации и командной работы. Все рассмотренное вместе, фактически, способствовало формированию универсальных компетенций.
Формированию общепрофессиональных компетенций способствовала непосредственная работа над компьютерным приложением, реализующим поставленную задачу.
Само проектирование приложения потребовало от студентов использование многих современных технологий, которые, в свою очередь потребовали углубление соответствующий математической подготовки и навыков в сфере ИТ у студентов. Были использованы следующие методы: 1. Для детектирования границ лесных массивов отвечает область ИТ, называемая компьютерным зрением - это технология создания программного обеспечения, способная производить обнаружение, отслеживание и классификацию визуальных объектов [4]. Последние несколько лет большинство задач из этой области решаются путем применения нейронных сетей [5]. При разработке технической реализации данной подзадачи студенты познакомились с оператором Прюитта [6, 7], и оператором
Собела. Однако для программного исполнения метода определения границ и контуров была выбрана библиотека алгоритмов компьютерного зрения с открытым исходным кодом OpenCV. Она основывается на алгоритме оператора Шарра [6], который подобен операторам Прю-итт и Собеля, однако реализует несколько иные ядра (рис. 1).
cv.cvtColor(src, src, cv.СОLOR_RGBA2GRAY, 0);
// Преобразование в оттенки серого
// Применение оператора Собеля
Рис. 1. Фрагмент кода программы на JavaScript для детекции границ на изображении
Полученное изображение Проанализированное изображение
Рис. 2. Скриншот работы приложения по обнаружению контура лесного массива
2. Машинное обучение: используется для обнаружения контуров лесных массивов на изображениях спутниковых карт. Семантическая сегментация позволяет классифицировать каждый пиксель изображения на определенный класс. В контексте распознавания контуров лесных массивов, классы могут включать в себя лес, землю, воду и другие объекты. Для этого обучающая выборка содержит изображения, которые размечены вручную таким образом, чтобы каждый пиксель был помечен правильным классом. Построение нейронной сети для распознавания контуров лесных массивов на спутниковых картах может быть выполнено с использованием сверточных нейронных сетей [8] (Convolutional Neural Networks, CNN), которые были специально разработаны для обработки изображений. Для реализации CNN на JavaScript можно использовать фреймвор-ки и библиотеки глубокого обучения, такие как TensorFlow.js, Keras.js или Brain.js.
3. Статистический анализ: используется для анализа и интерпретации спутниковых данных и для оценки распространения лесных массивов (рис. 2).
Некоторые технические и прикладные аспекты реализации проекта были описаны нами ранее в [9].
Выводы
Проектная деятельность формирует у учащихся мотивацию к учебе, поскольку сопряжена с реальной работой в выбранной ими сфере деятельности. Рассмотренный проект позволил студентам лучше понимать математические понятия, применять изученные методы и техники, а также способствовал развитию у них навыков и умений поиска решений прикладных задач.
Как правило, проектная деятельность включает следующие этапы:
• Подготовительный этап, на котором определяется тема проекта и задаются цели и задачи, сроки и организационные вопросы.
сз о со -а
I=i А
—I
о
сз т; о m О от
З
ы о со
• Формирование команды.
• Анализ проблемы или задачи, которую необходимо решить, и поиск необходимой информации. В нашем проекте студенты вникали в суть компьютерного зрения и машинного обучения - формирование общепрофессиональных и профессиональных компетенций.
• Планирование работы над проектом, разработка технического задания и распределение ролей в команде, что способствовало формированию универсальных компетенций.
• Собственно, реализация проекта.
• Обработка и анализ результатов - рефлексия. Участники анализируют полученные данные, оценивают результаты, дорабатывают проект.
• Презентация проекта и обсуждение результатов. В завершении участники представляют результаты своей деятельности, а также обмениваются мнениями и идеями, обсуждают достоинства и недостатки своих проектов, выражают свои идеи и рекомендации.
• В целом можно сделать вывод, что актуальность проектных методов в образовании обусловлена социальным заказом общества на подготовку высококвалифицированных специалистов и высокой практической значимостью, которая находит отражение в практико-ориентированной направленности профессиональной подготовки в процессе разработки и реализации проектов.
Литература
1. Синицина Г.Н. Компетентностность в проектной деятельности // Актуальные проблемы гуманитарных и естественных наук. 2011. № 8.
2. Steinbuch P.A. Projektorganization und Projektmanagement. Ludvigshafen (Rhein), 1998.
3. Горбунова Наталья Владимировна Проектная деятельность и проектные методы в образовании // Проблемы современного педагогического образования. 2019. № 63-2.
4. Визильтер Ю.В., Желтов С.Ю., Бондарен-ко А.В., Ососков М.В., Моржин А.В. Обработка и анализ изображений в задачах машинного зрения: Курс лекций и практических занятий. -М.: Физматкнига, 2010. - 672 с.
5. Айзенберг И.Н. Некоторые алгоритмы обработки изображений и их реализация на нейро-сетях // КО. 1997. № 17.
6. Сергеев Н.С. Методы детектирования образов // Известия ТулГУ. Технические науки -2018. - № 9.
7. Prewitt J. M.S. Object enhancement and extraction // Picture processing and Psychopictorics / Ed. by Lipkin B.S., Rosenfeld A.N.Y.: Academic Press, 1970. P. 75-149.
8. Скрипачев В.О., Гуйда М.В., Гуйда Н.В., Жуков А.О. Особенности работы сверточных нейронных сетей // International Journal of Open Information Technologies. 2022. № 12.
9. Ф.А. Гусев, С.А. Муханов Математические методы распознавания контуров на спутниковых снимках // Наука и бизнес: пути развития. -2020. - № 1(103). - С. 84-86.
EDUCATIONAL PROJECT "DEVELOPMENT OF AN APPLICATION FOR DETECTING FOREST BOUNDARIES ON SATELLITE MAPS FOR ENVIRONMENTAL MONITORING"
Mukhanov S.A., Mukhanova A.S.
Moscow Polytechnic University, State University of Education
In modern education, the project method plays a deservedly important role. In this article, we consider a multidisciplinary project for the implementation of which a team of students had to develop both universal competencies in terms of self-organization and teamwork, as well as general professional competencies of student programmers. The project was devoted to the development of computer software for monitoring forests on satellite images or using aerial photography data. During the implementation of the project, the participants faced a number of applied tasks. To detect the boundaries of forest areas, the Sharr operator was used, implemented using the library of computer vision algorithms OpenCV. Convolutional Neural Networks (CNN), which were specifically designed for image processing, were used to detect forest contours on satellite map images. And statistical analysis was used to analyze and interpret satellite data and to estimate the distribution of forest areas. The implementation of the project contributed to the formation of students' motivation to study, since it is associated with real work in their chosen field of activity. This activity allowed students to better understand mathematical concepts, apply the studied methods and techniques, and also contributed to the development of their skills and abilities in finding solutions to applied problems.
Keywords: project activity, higher education, programming, computer vision, edge detection.
References
1. Sinitsina G.N. Competence in project activity // Actual problems of humanities and natural sciences. 2011. № 8.
2. Steinbuch P.A. Projektorganization und Projektmanagement. Ludvigshafen (Rhein), 1998.
3. Gorbunova Natalia Vladimirovna Project activity and project methods in education // Problems of modern pedagogical education. 2019. No.63-2.
4. Visilter Yu.V., Zheltov S. Yu., Bondarenko A.V., Ososkov M.V., Morzhin A.V. Image processing and analysis in machine vision problems: A course of lectures and practical classes. - M.: Fiz-matkniga, 2010. - 672 p.
5. Aizenberg I.N. Some algorithms of image processing and their implementation on neural networks // CO. 1997. No. 17.
6. Sergeev N.S. Methods of image detection // Izvestiya TulSU. Technical Sciences - 2018. - No. 9.
7. Prewitt J. M.S. Object enhancement and extraction // Picture processing and Psychopictorics / Ed. by Lipkin B.S., Rosenfeld A.N.Y.: Academic Press, 1970. P. 75-149.
8. Skripachev V.O., Guida M.V., Guida N.V., Zhukov A.O. Features of convolutional neural networks networks // International Journal of Open Information Technologies. 2022. № 12.
9. F.A. Gusev, S.A. Mukhanov Mathematical methods of contour recognition on satellite images // Science and business: ways of development. - 2020. - № 1(103). - Pp. 84-86.
о с
u
CM 1Л
