Улучшение восприятия городской растительности с помощью ИИ и панорамных снимков

Исследователи из Японии разработали новый метод для детального анализа цвета, структуры и сезонных изменений городской растительности. Цель — помочь планировщикам повысить визуальную привлекательность зелёных зон в городах.

Новый подход к анализу

Метод, описанный в журнале Landscape Ecology, объединяет технологии искусственного интеллекта (глубокое обучение и 3D-реконструкцию) с панорамными уличными снимками. Это значительно повышает точность и согласованность анализа городской растительности.

• Высокая точность: Разработанный Seasonal Species-Specific Plant View Index позволяет различать 51 вид городских растений со средней точностью 82,17%.
• Сезонный акцент: Метод выделяет растения с выраженным сезонным визуальным воздействием, такие как цветущая сакура весной или кленовые листья осенью.
• Устранение искажений: Технология автоматически генерирует стандартизированные точки обзора в пространстве и времени, устраняя искажения и пробелы в покрытии обычных панорамных снимков.

Практическое применение

Эффективность метода была проверена на улицах города Суйта в префектуре Осака и применена в проектировании виртуального парка.

Как отмечают авторы, разнообразие как цвета растений, так и их видов усиливает положительное восприятие («feel-good» фактор) городских зелёных зон. Технология может помочь в рекультивации промышленных зон (brownfield sites) или улучшении существующих парков за счёт использования разнообразных форм, цветов и моделей роста растений.

Значение для планирования

Этот подход открывает новые перспективы для 4D-городского дизайна (с учётом времени) и формирует базовую технологию для будущей оценки и планирования городских зелёных пространств. Планировщики могут расширять экономические, экологические и социальные преимущества растительности, используя растения, которые добавляют яркие цвета и интерес в течение всего года.