ИИ по снимкам с дронов распознаёт повреждения лесной почвы с точностью до 98,5% Дроны помогают оценивать ущерб, который лесозаготовительная техника наносит почве, и проверять, как вырубка меняет лесной покров. В систематическом обзоре 48 исследований, опубликованном в журнале Environmental Management 27 июня 2026 года, исследователи из Университета Оберна (США) собрали результаты применения беспилотников при лесозаготовке, подготовке участков и обследовании лесных дорог. Один из наиболее перспективных подходов — автоматический анализ аэрофотоснимков с помощью искусственного интеллекта. При движении тяжёлых машин по лесу образуются колеи, уплотняется грунт и повышается риск эрозии. Для оценки повреждений исследователи используют снимки с дронов и алгоритмы компьютерного зрения. В одной из рассмотренных работ нейросеть DeepLabV3 классифицировала нарушения почвы с F1-оценкой от 0,902 до 0,985 в зависимости от категории. Другая модель обнаруживала колеи с точностью 79%, а её F1-оценка составляла 0,69–0,84. Эти показатели относятся к разным задачам и исследованиям, поэтому напрямую сравнивать их нельзя. Тем не менее результаты показывают, что аэрофотосъёмку можно использовать не только для визуального осмотра, но и для автоматизированного выявления повреждённых участков. Другой сценарий — оценка последствий выборочной вырубки. Сравнение снимков до и после лесозаготовки позволяет выявлять просветы в древесном пологе, находить пни и определять интенсивность рубки. Для автоматического обнаружения разрывов в пологе в рассмотренных исследованиях сообщалось о точности порядка 83–85%. Данные с беспилотников также применяют для расчёта объёма древесины и остатков после рубки: в одной из работ регрессионная модель оценки объёма деревьев показала (R^2 \approx 0{,}98). Это означает, что модель хорошо описывала данные в условиях конкретного исследования, но не гарантирует такой же результат на любом лесном участке. Авторы обзора выделили и менее освоенное направление — обследование лесных дорог. По снимкам и трёхмерным моделям можно оценивать уклоны, измерять параметры водоотводных канав и водопропускных сооружений, а также рассчитывать объём грунта при строительстве или ремонте дорог. При этом примерно 85% рассмотренных исследований использовали обычные RGB-камеры, а лидар применялся лишь в пяти работах. Данные с лидара позволяют получать трёхмерную информацию о местности и частично преодолевать ограничения обычной съёмки под кронами деревьев.