Die Herausforderung
Hochwertige hyperspektrale Satellitenbilder eröffnen neue Möglichkeiten, die Erde zu beobachten und zu überwachen. Objekte zu erkennen, die im Verhältnis zur Aufnahmedistanz klein sind, ist für Deep Learning jedoch keine triviale Aufgabe.
Gebiete von Tausenden Kilometern mit bloßem Auge zu überwachen, ist kaum machbar. Manche Stoffe, etwa Methanlecks oder Ölteppiche, sind für das menschliche Auge zudem unsichtbar, da es nur die Rot-, Grün- und Blaukanäle des sichtbaren Spektrums wahrnimmt.
Unsere Lösung
Im Rahmen unseres gesellschaftlichen Engagements haben wir eine Deep-Learning-Lösung entwickelt, die alle Kanäle hyperspektraler Bilder nutzt. Sie basiert auf einem preisgekrönten Ansatz, der von der IEEE ausgezeichnet wurde.
Das Modell erkennt Objekte bei sehr geringer Auflösung bis hinunter zu 10 x 8 Pixeln. Es erkennt Wohn- und Geschäftsgebäude, Autos, Züge, Bäume, Straßen, Autobahnen und Bahnstrecken sowie Treibgut an Küsten und im Meer, Ölteppiche und weitere Spuren menschlicher Aktivität.
Das Ergebnis
Die Technologie lässt sich in der Umweltkontrolle und im Monitoring von Verschmutzung einsetzen (Plastikmüll an Küsten und im Meer, Ölteppiche, Erkennung und Schweregradanalyse von Methanlecks) sowie von Bauaufsichtsbehörden (ungenehmigte Bauten, Überwachung von Baustellen, illegale Baumfällungen).
Weitere Anwendungen sind die Überwachung des Zustands von Straßen und Bahnstrecken, die Erkennung von Sand- oder Schneebedeckung auf Straßen, die Überwachung von Parkplätzen sowie die Analyse menschlicher Aktivität auf Ölfeldern, in Industriegebieten und in der Logistik.
