Технология контроля ледового покрова на основе семантической сегментации облака точек
Аннотация
Контроль ледовой обстановки на реках, озерах и в прибрежных морских акваториях является критически важной задачей для обеспечения безопасности судоходства, оптимизации и продления навигации, а также функционирования портовой инфраструктуры в условиях сезонного ледостава. Особую актуальность технология приобретает в контексте развития арктических маршрутов, включая Северный морской путь, где динамика и прочность льда напрямую влияют на логистическую эффективность и безопасность плавания. В статье предложена технология инструментального мониторинга прочности и толщины льда с использованием мобильных лидар-сканеров и методов семантической сегментации облаков точек, позволяющая снизить операционные риски для водного транспорта и обеспечить своевременное принятие решений. Реализация ориентирована на профессиональных пользователей (экипажи судов, службы портов, администрации) и представлена в виде мобильного приложения, выполняющего вычисления локально с применением высокопроизводительных оптимизированных библиотек с ядрами на C/C++.
Литература
2. Квач Е.Г. Особенности гидрологического режима трансграничных водных объектов Республики Беларусь и Российской Федерации // Водное хозяйство России: проблемы, технологии, управление. 2023. № 4. С. 93-104. DOI 10.35567/19994508_2023_4_3.
3. Каюмов А.К., Расулзода Т.Х., Курбонов Н.Б., Восидов Ф.К. Влияние изменения климата на гидрологический режим водных артерий бассейна реки Пяндж // Криосфера. 2022. № 1(5). С. 91-104.
4. Бураков И.И., Федоров В.О. Использование библиотек NUMPY, NUMPY-STL И OPENCV при построении трехмерной модели зуба // Оригинальные исследования. 2022. № 4(12). С. 48-59.
5. Семенов И.А., Шефер П.П. Использование библиотеки Numpy для языка программирования Python в работе ученого и инженера // Современные технологии и научно-технический прогресс. 2024. № 11. С. 167-168.
6. Масаев С.Н., Ильгов А.Р. Применение генетического алгоритма для оптимизации двумерных массивов с использованием библиотеки Numpy в Python // Информатизация и связь. 2025. № 2. С. 27-32. DOI 10.34219/2078-8320-2025-16-2-27-32.
7. Ненашев В.А., Воронов Р.М., Березин А.В., Матвеев А.Д., Лосев В.К. Распознавание наземных объектов в авиационных системах потоковой обработки оптических кадров // Информационно-измерительные и управляющие системы. 2024. № 4(22). С. 85-90.
8. Тарануха С.Н., Кузьмин А.А., Фомина И.К., Фомин В.В. Сверточные нейронные сети в задачах оценки формирования компетенций обучающихся основам сварки // Транспортное дело России. 2025. № 2. С. 116-120.
9. Козин В.М., Лебедев А.А. Энергоэффективные технологии разрушения ледяного покрова судами на воздушной подушке резонансным методом // Вестник инженерной школы ДВФУ. 2022. № 3. С. 20-26.
10. Фомина И.К., Супрунец М.И., Корниенко К.Ю., Фомин В.В. Применение нейросетевых технологий для контроля состояния остановочных павильонов городского транспорта // Транспортное дело России. 2025. № 4. – С. 86-90.
11. Фомин В.В., Фомина И.К., Шабунин А.П. Исследование потенциала BERT-трансформера для тематической классификации новостных и научных статей // Информатизация образования и науки. 2025. № 2(66). С. 59-69.
Copyright (c) 2026 Научные проблемы водного транспорта

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.





