Дослідники Дніпровської політехніки у складі міжнародної наукової групи розробили метод пошуку потенційних сміттєзвалищ за супутниковими знімками. Технологія поєднує машинне навчання з аналізом просторових зв’язків між скупченнями відходів, дорогами та промисловими об’єктами.
Дослідження є одним із напрямів роботи наукової школи «Методи та інформаційні технології розпізнавання й інтелектуальної обробки неструктурованих даних», яку очолює доктор технічних наук, професор, завідувач кафедри інформаційних технологій та комп’ютерної інженерії Дніпровської політехніки Володимир Гнатушенко.
Супутникові дані для екологічного моніторингу
У липні 2026 року в науковому виданні ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences опубліковано дослідження щодо виявлення сміттєзвалищ на супутникових знімках. Його авторами стали Єгор Литвинов, Вікторія Гнатушенко, Володимир Гнатушенко та професор Ганноверського університету імені Лейбніца Крістіан Гайпке.
Запропонована система використовує кілька спеціалізованих програмних агентів. Одні аналізують ознаки скупчення відходів, інші розпізнають дороги та промислові об’єкти. Після цього результати об’єднуються, а система оцінює просторові зв’язки між виявленими об’єктами.
Метод перевірили на незалежній ділянці поблизу Таромського у Дніпропетровській області. Результати також підтвердили під час наземного обстеження. Після об’єднання сигналів спеціалізованих агентів оцінка ймовірності основної цільової ділянки зросла з 0,27 до 0,91.
Водночас алгоритм не встановлює юридичний статус виявленого об’єкта. Він фіксує ознаки можливого накопичення відходів і допомагає визначити ділянки, які потребують перевірки фахівцями.
Для практичного використання технологію необхідно випробувати в різних умовах, оцінити частоту пропусків і помилкових спрацювань та визначити порядок взаємодії з екологами й територіальними громадами. Наступним кроком може стати пілотний проєкт, який охоплюватиме весь процес — від аналізу супутникових знімків до обстеження визначених ділянок на місцевості.
Спільні принципи для різних даних
Дослідження наукової школи охоплюють супутникові зображення, просторові дані, технічні вимірювання, комп’ютерний зір і системи підтримки прийняття рішень. Спільними для цих напрямів є принципи подання даних, виділення інформативних ознак, навчання моделей та незалежної перевірки результатів.
Водночас універсальної моделі для всіх завдань не існує. Під час розроблення алгоритму необхідно враховувати природу даних, умови їх отримання, особливості досліджуваного об’єкта та можливі наслідки помилки. Тому машинне навчання в роботах наукової школи доповнює математичне моделювання, а не замінює його.
ШІ не скасовує відповідальності інженера
Такий самий принцип діє під час використання генеративного штучного інтелекту в розробленні та тестуванні програмного забезпечення. ШІ може формувати тестові сценарії, готувати набори вхідних даних і знаходити граничні ситуації, однак кожен результат потребує професійної перевірки.
За інженером залишаються формулювання вимог, визначення правильної поведінки системи, пріоритетів тестування та прийнятного рівня ризику. Велика кількість автоматично створених тестів не гарантує якості, якщо програма й самі тести спираються на помилкову вимогу.
«Ми маємо готувати не просто користувачів ШІ, а його розробників і відповідальних фахівців», — наголошує Володимир Гнатушенко.
Уміння працювати із сучасними інструментами має спиратися на знання алгоритмів, статистики, програмування та предметної галузі. Переконливо сформульована відповідь системи штучного інтелекту не обов’язково є правильною, тому фахівець повинен розуміти спосіб отримання результату та межі його застосування.
Міжнародна співпраця і квантові технології
Подальший розвиток наукової школи пов’язаний із поєднанням різнорідних даних, математичного моделювання та машинного навчання. Окремим напрямом стає квантова обробка інформації та зображень.
Дніпровська політехніка є українським партнером міжнародного проєкту OptiQ, який реалізується у межах програми Horizon Europe за напрямом Marie Skłodowska-Curie Actions. Проєкт триває у 2023–2026 роках і об’єднує університети, дослідницькі установи та технологічні компанії з кількох європейських країн.
Учасники OptiQ досліджують застосування квантової оптики в обчисленнях, захищених комунікаціях та обробці зображень. Для науковців Дніпровської політехніки це можливість перевірити, як квантові способи подання багатоканальної інформації можуть доповнювати машинне навчання.
Розвиток наукової школи визначається не лише кількістю досліджень, а й появою самостійних науковців. Молоді дослідники формулюють власні гіпотези, аргументовано перевіряють попередні методи та започатковують нові напрями. Саме здатність підготувати дослідника, який надалі формує власну команду, є одним із головних результатів роботи школи.
