О нас

Лаборатория AeronetLab была организована в Сколковском институте науки и технологий (Сколтех) с целью разработки и применения алгоритмов машинного обучения для интеллектуального анализа данных наблюдения Земли.
Он был поддержан Национальной технологической инициативой в рамках проекта Университета Иннополис «Цифровая модель Татарстана».
Мы сотрудничаем с несколькими исследовательскими группами в Сколтехе и за его пределами и открыты для сотрудничества в области прикладного машинного обучения, обработки данных дистанционного зондирования, разработки приложений для последующей обработки данных ЭО и т.д.
Наша основная работа в проекте заключается в создании алгоритмов мониторинга охраняемых территорий для поддержки лиц, принимающих решения по управлению пространственно распределенными активами. (смотрите Индустрии).
Благодаря мощности высокопроизводительных вычислительных мощностей Сколтеха мы можем проводить быстрые эксперименты на больших массивах данных дистанционного зондирования и создавать реализацию алгоритмов в виде конвейеров обработки данных.

Индустрии

Строительство

Быстрая динамика городских территорий обусловлена инвестиционными решениями. Рынки застройки могут быть исследованы с помощью методов сегментации экземпляров и обнаружения изменений - для оценки и классификации зданий и оценки численности населения. Мы применяем фотограмметрию и косвенные методы для реконструкции высоты зданий и отличия одного типа от другого.

Мониторинг лесов

Наши прикладные работы включают раннее обнаружение и мониторинг лесных пожаров, классификацию потерь деревьев. Мы сотрудничаем с IoT Lab в Сколтехе, предлагая новые комбинированные измерения с помощью различных датчиков. Наше партнерство с Planet Inc. позволяет создавать и внедрять уникальные модели данных для мониторинга лесного хозяйства.

Сельское хозяйство

Мы используем алгоритмы, основанные на моделях глубокого обучения, для классификации сельскохозяйственных культур и выявления аномалий в росте растительности. Сотрудничая с промышленными партнерами и поставщиками данных, мы внедряем ML в реальные бизнес-процессы сельского хозяйства.

Мониторинг трубопроводной инфраструктуры

Мы активно занимаемся исследованиями в области обнаружения изменений и распознавания объектов на спутниковых и аэрофотоснимках с целью снижения рисков и оптимизации работ для компаний-операторов трубопроводов.

Мониторинг линий электропередач

Использование различных источников коммерческих спутниковых данных позволяет нам объединить данные для достижения максимального покрытия с оптимальной скоростью. В текущем исследовании мы сосредоточились на зарастании просек ЛЭП для решения задач расчистки и контроля.

Исследования

Открытые наборы данных для ИИ спутниковых снимков

«Open Spatial Dataset» - это совместный проект университетов и операторов данных, призванный предоставить RnD-сообществу открытые данные и эталоны для ML-анализа данных дистанционного зондирования.
Маркировочные данные задаются в соответствии с широким классификационным рядом природных и антропогенных объектов, которые имеют четкую интерпретацию как на спутниковых, так и на аэрофотоснимках.

Платформа Geoalert

Компания Geoalert предоставляет геоинформационную платформу, которая обеспечивает автоматический анализ данных наблюдения Земли с помощью предварительно обученных алгоритмов машинного обучения. С помощью платформы Geoalert клиенты могут настраивать задачи по распознаванию объектов и определять интересующую их территорию для получения аналитики по последним данным наблюдений Земли.

Посмотрите, как это работает в приложениях:

Мы используем данные, предоставляемые ведущими мировыми спутниковыми операторами, а также данные, полученные местными компаниями, занимающимися аэрофотосъемкой.

Новости и роадмап

Наблюдение Земли и машинное обучение - шумиха закончилась, теперь это будет реальное ценностное предложение.

Мы провели два семинара в рамках вводного курса Космического центра «Основы дистанционного зондирования».

Следующая серия будет организована в начале лета 2025, если вы хотите принять в ней участие - пожалуйста, свяжитесь с нами.

Уже десятки веб приложений используют наши разработки и технологии распознавания объектов.

4.0

Новая модель для обнаружения и мониторинга лесов

В рамках проекта «Цифровая модель Татарстана» создана новая модель для сегментации леса. Модель будет использоваться для выявления таких явлений, как зарастание просек для охранных зон линий электропередач. Она настраивается под разное разрешение и была протестирована, в частности, на снимках SPOT (1,5 м) с NIR - для применения к мозаике SPOT на всю территорию Татарстана.

3.0

Служба открытых наборов данных

Мы начали публикацию первых наборов данных «Открытого набора пространственных данных» - каталога маркированных спутниковых/аэрофотоснимков для приложений машинного обучения.

Модель, основанная на спутниковых снимках Digitalglobe, предназначена для картографирования чрезвычайных ситуаций с целью обнаружения изменений в городской инфраструктуре после стихийных бедствий. Она содержит базовую модель для сегментации поврежденных домов в жилых районах Калифорнии.

Для получения набора данных посетите нашу страницу на github.

1.0