Застосування штучного інтелекту до необроблених супутникових знімків для критично важливих програм.
Проект, що фінансується ESA, демонструє переваги використання необроблених даних Copernicus Sentinel-2 та штучного інтелекту для покращення часового реагування у системах раннього попередження про катастрофи.
Зараз доступна велика кількість супутникових знімків, які можна використовувати у різних сферах. Місія Sentinel-2 європейської програми Copernicus надає оптичні знімки високої роздільної здатності з хорошим часом повторного спостереження над великими територіями, що є цінним для моніторингу суші.
Однак для сфер, які вимагають швидкого реагування, таких як моніторинг катастрофічних подій або виявлення нелегальних суден, традиційні схеми обробки даних зазвичай демонструють високу часову затримку. Обробка зазвичай відбувається у межах наземного сегменту, що спричиняє додаткову затримку.
Традиційний алгоритм обробки даних для створення продукту рівня 1С Sentinel-2.
Авторське право: Del Prete et al
Традиційна система обробки даних оптимізована для наземної обробки але не дуже добре підходить для систем раннього попередження, де затримка є критично важливою. Хоча продукти високого рівня, такі як Level-1C, ретельно відкалібровані, орто-кореговані і мають функцію узгодженої реєстрації тонких смуг, ці функції не завжди необхідні для конкретних застосувань, де пріоритетом є швидке реагування.
Команда дослідників, що працює у лабораторії ESA ESRIN Ф-lab, Італія, вивчає переваги використання необроблених даних Copernicus Sentinel-2 напряму, замість традиційних оброблених супутникових продуктів.
Їхній новий підхід використовує техніку спільної ідентифікації з низькою затримкою, за якою слідує модель штучного інтелекту (ШІ), що дозволяє швидше виявляти лісові пожежі.
«У системах раннього попередження пріоритетом є мінімізація затримки реагування. Використовуючи необроблені супутникові дані безпосередньо на борту за допомогою штучного інтелекту, ми оминаємо довгі етапи традиційної наземної обробки. Таке прискорення дозволяє надавати практичну інформацію майже в режимі реального часу, що має вирішальне значення для команд реагування на катастрофи на місцях», – Роберто Дель Прете з Неаполітанського університету, запрошений дослідник Φ-лабораторії.
Зазвичай методи ШІ навчаються на супутникових знімках високого рівня, таких як дані рівня 1С. Однак, щоб використовувати моделі ШІ на борту, ці високорівневі продукти повинні бути створені на супутнику.
Репродукція наземної обробки вимагає значних обчислювальних витрат, і її важко виконати з обмеженими бортовими ресурсами. Щоб обійти цю проблему, команда дослідників з Φ-lab розробила спеціалізовану техніку для аналізу необроблених даних за допомогою методів глибокого навчання.
«Аналізуючи безпосередньо необроблені дані, метод може забезпечити реакцію з низькою затримкою для використання в системах виявлення майже у реальному часі, таких як системи раннього оповіщення про лісові пожежі та інших додатках, де необхідна швидка реакція», – Дель Прете.
Однією з передумов використання методологій ШІ на необроблених даних є наявність необроблених наборів супутникових даних. Щоб заповнити цю прогалину, дослідницька група створила набір необроблених даних Sentinel-2 для виявлення специфічних подій, таких як теплові гарячі точки, створені пожежами в чагарниках.
Лісова пожежа виявлена на необробленому знімку Copernicus Sentinel-2 за допомогою методу спільної реєстрації.
Авторське право: ESA/EU
Це перший випуск необроблених продуктів Sentinel-2 для спільноти фахівців з дистанційного зондування. Крім того, розроблена командою енергоефективна методика спільної реєстрації для бортових додатків доступна через вільно поширюваний API.
Методика спільної реєстрації базується на статистичному аналізі розбіжностей між діапазонами, розрахованому за допомогою архітектури зіставлення функцій на основі глибокого навчання.
Дель Прете додає: «Метод грубої співреєстрації є енергоефективним і значно швидшим, ніж інші методи, які ми тестували».
Цей метод реалізується без додаткової корекції даних перед їх введенням в модель штучного інтелекту.
Схема обробки необробленої версії програми виявлення лісових пожеж за знімками Sentinel-2.
Авторське право: Del Prete et al
Дель Прете пояснює: «ШІ-модель навчається безпосередньо на необроблених даних Sentinel-2 і здатна впоратися з невеликими розбіжностями залишкових смуг. Ця здатність сприяє швидкому реагуванню, необхідному для програм, що працюють майже у реальному часі, таких як системи швидкого оповіщення про лісові пожежі».
Алгоритм ШІ працює на бортовому спеціалізованому компоненті, відомому як VPU (Vision Processing Unit), який є енергоефективним і призначений для інтеграції у майбутні супутники. Хоча розгортання ШІ на борту супутника пов’язане з проблемами з обмеженнями потужності та апаратного забезпечення, зменшена затримка робить його цінним для програм швидкого реагування.
На другому етапі проекту було налагоджено співпрацю з Ubotica та TU Delft, коли модель, навчена розпізнавати пожежі на основі необроблених даних, була протестована на космічному обладнанні.
Copernicus Sentinels – це мережа спеціальних супутників, що належать ЄС і призначені для передачі великої кількості даних та зображень, які є центральним елементом екологічної програми Європейського Союзу «Коперник».
Європейська комісія очолює і координує цю програму, спрямовану на поліпшення управління навколишнім середовищем, захищаючи життя людей щодня. За космічний компонент відповідає ESA, яке від імені Європейського Союзу розробляє сімейство супутників Copernicus Sentinel і забезпечує потік даних для служб Copernicus, а експлуатацію супутників Copernicus Sentinel покладено на програму ESA and EUMETSAT.
Дані спостереження Землі із супутників Copernicus Sentinel передаються в Copernicus Services . Вперше запущені у 2012 році разом зі службами моніторингу землі та управління надзвичайними ситуаціями, ці служби надають безкоштовну та відкриту підтримку у шести різних тематичних сферах.
Служба управління надзвичайними ситуаціями Copernicus (Copernicus EMS) надає всім операторам, залученим до управління стихійними лихами, техногенними надзвичайними ситуаціями та гуманітарними кризами, своєчасну та точну геопросторову інформацію, отриману від супутникового дистанційного зондування та доповнену доступною на місці або з відкритих джерел даних.
Служба моніторингу земель Copernicus (CLMS) надає географічну інформацію про ґрунтовий покрив та його зміни, землекористування, стан рослинності, водний цикл та змінні енергії поверхні Землі широкому колу користувачів у Європі та в усьому світі у сфері екологічних наземних програм.
Це дозволяє підтримувати програми у різних сферах, таких як просторове та міське планування, управління лісами, водне господарство, сільське господарство та продовольча безпека, збереження та відновлення природи, розвиток сільської місцевості, облік екосистем та пом’якшення/адаптація до зміни клімату.
Джерело: Sentinel Online