Набор данных VEPL: набор для семантической сегментации ортомозаик с дронов по проблему зарастания растительностью коридоров воздушных линий электропередачи

Зарастание растительностью коридоров воздушных линий электропередачи создаёт множество проблем для современных энергодефицитных обществ. Отказы, вызванные контактом проводов и растительности, могут привести к отключениям электроэнергии и потерям на миллионы долларов. Для решения этой проблемы беспилотные летательные аппараты (БПЛА) зарекомендовали себя как перспективное решение благодаря способности быстро и экономично контролировать протяжённые коридоры посредством автономных полётов или дистанционного пилотирования. Тем не менее объём ручной работы по анализу каждого изображения, полученного БПЛА при поиске зарастания растительностью, побудил многих авторов предложить использование методов глубокого обучения для автоматизации процесса обнаружения. Несмотря на преимущества сочетания изображений с БПЛА и глубокого обучения, в настоящее время отсутствуют наборы данных, необходимые для обучения моделей глубокого обучения для этой конкретной задачи. В статье представлен набор данных для семантической сегментации зарастания растительностью коридоров воздушных линий электропередачи. RGB-ортомозаики были получены для зоны сельской дороги с использованием коммерческого БПЛА. Набор данных состоит из пар расчленённых (тесселированных) RGB-изображений, полученных из ортомозаики, и соответствующих многоцветных масок, представляющих три класса: растительность, провода и фон. Приводится подробное описание процесса сбора изображений, процедуры разметки, методов аугментации данных и других существенных деталей создания набора данных. Исследователи могут воспользоваться предложенным набором данных для разработки и совершенствования стратегий мониторинга зарастания растительностью с использованием БПЛА и методов глубокого обучения.