Aeroforest

Разработка высокоточной технологии определения параметров лесных массивов, которая позволила снизить убытки клиента на 30% и сократить время принятия решений в 10 раз

Клиенты — ведущие компании лесозаготовки

ООО СФК (Сибирский Фанерный Комбинат) является частью концерна деревообрабатывающих предприятий. Главным видом деятельности является производство качественной фанеры на основе лиственных пород.


Группа "Илим" — ведущая компания в сфере производства целлюлозы и бумаги в России. Большая часть российской товарной целлюлозы – 75%, а также 20% картона и 10% бумаги производятся на комбинатах этой компании. Предприятия находятся в различных регионах России: в Ленинградской, Архангельской, Московской и Иркутской областях.

Цели и задачи

Клиент обратился к нам с проблемой: компании было необходимо оперативно собирать, обновлять и анализировать информацию о лесных участках и породах деревьев. Приняв во внимание удаленность и масштабы участков, мы предложили клиенту использовать беспилотные летательные аппараты (БПЛА) для сбора данных, а результаты представлять в удобной визуальной форме для выбора перспективных площадок для рубки.

На момент запроса выбор участков для рубки производился в ручном режиме. Этот процесс очень трудоемкий и времязатратный, ведь требуется организовать логистику и обеспечить условия проживания для сотрудников. К тому же люди проводят исследование в разы медленнее, по сравнению с БПЛА, а результаты крайне подвержены влиянию человеческого фактора.

Цель: повысить эффективность процесса лесозаготовки за счет оптимального выбора участков.

Задачи:
  • Разработать технологию, которая позволит определять породы деревьев с помощью БПЛА и алгоритмов машинного обучения;
  • Сократить время сбора и повысить точность информации об участках для рубки, используя данные съемки с БПЛА;
  • Реализовать возможность представления полученных данных в удобном формате интерактивных карт.

Решение

Первым шагом к разработке стало изучение и анализ множества научных статей на тему съемки и распознавания объектов с помощью БПЛА.
Для аэрофотосъемки с использованием мультиспектральной камеры (ее данные позволяют различать породы деревьев) мы привлекли нашего партнера-подрядчика. 

Затем мы разработали технологию, которая по съемке с мультиспектральной и обычной камер выделяет отдельные деревья и вычисляет признаки этих деревьев. По выделенным признакам модель машинного обучения предсказывает породу, а затем для каждой породы своя модель машинного обучения оценивает запас древесины.

Особенности проекта

Полевой сбор данных
Разработка алгоритма потребовала проведения полевого сбора данных. Точность предсказания модели зависит от объема и качества обучающей выборки. Поэтому после проведения аэрофотосъемки, наши специалисты вручную собрали информацию об образцах деревьев (порода, высота, обхват на уровне груди и ширина кроны), сопоставив каждый объект со снимками с беспилотника.

Сбор осложняется тем, что не к каждому дереву легко подойти — мешают естественные преграды в виде кустов, высокой травы и самих деревьев (ветви). Также специалист должен уметь ориентироваться на местности и соотносить снимки сверху с реальным расположением объектов на земле, что также не всегда просто. Поэтому для сбора полевых данных мы разработали собственное мобильное приложение. В приложение загружается набор фотографий с БПЛА с координатами. Текущее местоположение устройства отслеживается и отображается на карте. Пользователи могут добавлять метки различных классов, которые синхронизируются между всеми устройствами, показывая общее количество каждого класса меток. Каждые несколько минут приложение записывает текущее местоположение в логи.

Несмотря на вспомогательные меры, сбор полевых данных для обучения модели занял у нашей команды около 1,5 месяцев кропотливой работы.

Результат

У нас получилось разработать технологию определения параметров лесных массивов, которая позволила снизить убытки клиента при выборе участка для лесозаготовки на 30% и сократить время принятия решений в 10 раз.

Наша разработка способствует увеличению объективности данных о лесных участках благодаря применению искусственного интеллекта и мультиспектральной съемке с БПЛА. Вся информация представляется в виде подробных интерактивных карт, которые можно использовать в веб-интерфейсе. На картах представлены актуальные данные, к которым можно получить доступ как онлайн, так и оффлайн.

Использование БПЛА обеспечивает возможность выполнения работ по сбору данных на обширных и отдаленных территориях, а также оперативный сбор данных на обширных участках с минимальным вмешательством человека, что гарантирует точность и достоверность исходных данных. Разработанный метод оценки лесных ресурсов позволяет детализировать информацию о запасах древесины при выборе участков для вырубки.

За 3 года работы на проекте с СФК мы исследовали для клиента более 13000 га леса в Алтайском крае, собрали 6 000 модельных деревьев и разработали алгоритм, определяющий породный состав на основании данных с беспилотников с 85% точностью, запас — с 95% точностью.

В 2023 году мы начали сотрудничество с группой ИЛИМ, отсняли более 2500 га леса в Иркутской области, собрали 2000 модельных деревьев. В результате, наша команда не только улучшила алгоритм, но и успешно реализовала проект по разделению хвойных деревьев на породы.


Разработка выполнена при финансовой поддержке Фонда содействия инновациям (Проект № 101507) в рамках федерального проекта «Цифровые технологии» национальной программы «Цифровая экономика Российской Федерации».

© 2026 Digital Research

Cookie-файлы
Настройка cookie-файлов
Детальная информация о целях обработки данных и поставщиках, которые мы используем на наших сайтах
Аналитические Cookie-файлы Отключить все
Технические Cookie-файлы
Другие Cookie-файлы
Мы используем файлы Cookie для улучшения работы, персонализации и повышения удобства пользования нашим сайтом. Продолжая посещать сайт, вы соглашаетесь на использование нами файлов Cookie. Подробнее о нашей политике в отношении Cookie.
Принять все Отказаться от всех Настроить
Cookies