Le défi
Les images satellite hyperspectrales de haute qualité offrent une nouvelle façon d’observer et de surveiller la Terre. Mais détecter des objets de petite taille par rapport à la distance à laquelle ils sont photographiés n’a rien de trivial pour le deep learning.
Surveiller à l’œil nu des zones de plusieurs milliers de kilomètres est quasiment impossible. Certaines substances, comme les fuites de méthane ou les marées noires, peuvent en outre être invisibles pour l’œil humain, qui ne perçoit que les canaux rouge, vert et bleu du spectre visible.
Notre solution
Dans le cadre de nos actions de responsabilité sociétale, nous avons développé une solution de deep learning qui exploite tous les canaux fournis par l’imagerie hyperspectrale. Elle repose sur une approche primée, reconnue par l’IEEE.
Le modèle reconnaît des objets à très basse résolution, jusqu’à 10 x 8 pixels. Il détecte les bâtiments résidentiels et commerciaux, les voitures, les trains, les arbres, les routes, les autoroutes et les voies ferrées, ainsi que les déchets côtiers et marins, les marées noires et d’autres traces de l’activité humaine.
Le résultat
La technologie peut servir au contrôle écologique et à la surveillance de la pollution (déchets plastiques côtiers et marins, marées noires, détection des fuites de méthane et analyse de leur gravité), ainsi qu’aux autorités de contrôle de la construction (constructions non autorisées, surveillance des chantiers, abattage illégal d’arbres).
Parmi les autres applications : le suivi de l’état des routes et des voies ferrées, la détection de sable ou de neige sur la chaussée, la surveillance des parkings et l’analyse de l’activité humaine sur les champs pétroliers, dans les zones industrielles et dans la logistique.
