Acasă/Soluții/Detecție și cartografiere din imagini (GeoAI)
Unde este fiecare obiect, la nivelul unei regiuni întregi?
Detecția obiectelor din imagini satelitare găsește clădiri, rezervoare, pomi sau panouri pe o suprafață prea mare ca să fie verificată vizual și le transformă într-un inventar pe hartă. Pregătim datele de antrenare, antrenăm modele de deep learning pe obiectele tale, le rulăm pe imagini și verificăm rezultatele, așa că inventarul pe care îl primești a fost deja controlat.
Unele întrebări sunt simplu de pus și greu de lămurit: câte rezervoare există într-un stat, câți pomi sunt într-o livadă, ce acoperișuri au panouri solare. Un om poate răspunde pentru un oraș; un model antrenat poate răspunde pentru o țară întreagă, de fiecare dată în același fel.
GeoAI desemnează acest tip de lucru: machine learning aplicat datelor geospațiale. Detecția este utilizarea lui cea mai vizibilă, alături de clasificarea acoperirii terenului și de detecția schimbărilor, și funcționează la fel pe imagini satelitare, aeriene sau de dronă.
Date de intrare
Obiectele dictează rezoluția: rezervoarele și panourile cer imagini satelitare sau aeriene de foarte mare rezoluție, iar pentru pomi individuali e nevoie de circa 15 cm. Adunăm exemple pentru fiecare tip de obiect, le desenăm ca etichete și punem câteva deoparte, ca să testăm modelul mai târziu.
Analiză
Un model de deep learning, de detecție sau de segmentare, învață obiectele din etichete și apoi scanează toată zona, bucată cu bucată. Fiecare detecție vine cu conturul sau punctul ei, cu clasa și cu un scor de încredere.
Rezultat
Detecțiile sunt curățate, unite la marginile dintre bucăți și verificate într-un vizualizator de hărți, unde cele îndoielnice sunt confirmate sau eliminate. Rezultatul este un singur strat cu toate obiectele, gata de numărat, de filtrat și de legat de evidențele tale.
Un punct sau un contur pentru fiecare obiect, cu clasa și scorul de încredere.
Detecții verificate într-un vizualizator de hărți înainte de livrare.
Modelul și setările lui, ca să ruleze pe imagini noi.
Exemplele etichetate din care a învățat modelul.
Cum s-a descurcat modelul pe zone de test pe care nu le-a văzut niciodată.
Limite
Un model găsește doar ce arată imaginile: obiectele de sub arbori, acoperișuri sau umbre sunt ratate, iar acuratețea scade pe imagini diferite de cele de antrenare, așa că rezultatele se verifică, nu se iau ca atare.
Infrastructură și utilitățiActive precum rezervoarele, detectate pe o regiune întreagă și adunate într-un singur inventar. 
EnergiePanouri solare și turbine eoliene detectate din imagini pe o regiune întreagă. 
Agricultură și gestionarea terenurilorPomii numărați unul câte unul în livezi, din imagini de foarte mare rezoluție. 
Imobiliare și dezvoltareAmprentele clădirilor extrase din imagini acolo unde hărțile lipsesc sau sunt depășite. Un model de deep learning este antrenat pe exemple ale obiectului, desenate pe imagini. Apoi scanează imagini noi, marchează fiecare obiect pe care îl recunoaște și îi dă un scor de încredere. Detecțiile sunt verificate și devin un strat pe care îl poți număra și cartografia.
Depinde cât de distinct este obiectul și cât de variat este peisajul. Un obiect clar, pe imagini asemănătoare, are nevoie de mai puține; unul mic sau variabil, de mai multe. Pornim de la o zonă pilot, măsurăm rezultatele și adăugăm exemple acolo unde modelul greșește.
Da. Fiecare pom găsit devine un punct pe hartă, iar fiecare gol este localizat pe rândul lui, cu numărul de pomi pe fiecare rând. Am făcut-o pentru o livadă de aluni din România, din imagini satelitare de 15 cm. Imaginile nu pot deosebi un pom viu de unul uscat, așa că acele poziții sunt marcate pentru verificare.
Da. Un model de segmentare conturează fiecare acoperiș pe imagini de foarte mare rezoluție, iar contururile devin un strat de clădiri pentru planificare, expunere la inundații sau studii de piață.
De multe ori, da, dar nu orbește. Imaginile noi, alt anotimp sau alt stil de construcție schimbă ce vede modelul. Îl testăm întâi pe un eșantion din zona nouă și adăugăm exemple locale dacă rezultatele scad.
Spune-ne zona, decizia și termenul. Îți răspunde în 24 de ore chiar persoana care va livra proiectul.
Cu sediul în București, lucrăm cu clienți de pe cinci continente.
