- Polskie konsorcjum tworzy unikalny system do obserwacji Ziemi
- Niewielki satelita pozwoli szybciej reagować na zdarzenia
- Oprogramowanie będzie interpretować dane jeszcze na orbicie
Śląscy inżynierowie projektują pierwsze na świecie oprogramowanie do interpretacji danych jeszcze na orbicie okołoziemskiej. System zostanie umieszczony w satelicie Intuition-1 i będzie przetwarzał dane ze zdjęć satelitarnych.
Innowacyjne rozwiązanie ma sprawić, że będzie można szybciej i precyzyjniej analizować stan upraw i lasów. Będzie też możliwe prognozowanie plonów i tworzenie map zanieczyszczeń miast. Twórcy systemu chcą, by satelita znalazł się na orbicie w 2022 r. Projekt dofinansowuje Narodowe Centrum Badań i Rozwoju.
Projekt realizuje FP Space. To związek trzech spółek z Gliwic; KP Labs zajmuje się uczeniem maszynowym i Big Data. FP Instruments wykonuje urządzenia elektroniczne, a Future Processing – aplikacje do obserwacji Ziemi. Konsorcjum tworzy grupa inżynierów związanych z Politechniką Śląską.
Satelita jak pudełko
Intuition-1 będzie satelitą o kształcie prostopadłościanu, o wymiarach 10 na 22 na 36 cm i wadze około 10 kg. Ma trafić na tzw. niską orbitę okołoziemską, czyli na wysokość od 200 do 2000 kilometrów nad Ziemią. Specjaliści zamontują w nim specjalistyczną kamerę o tzw. rozdzielczości spektralnej, czyli zdolną rejestrować światło widzialne i tzw. bliską podczerwień (o długości fal od 0,8 do 2,5 mikrometrów).
Dzięki temu Intuition-1 będzie pozyskiwał o wiele więcej informacji niż satelity, które dziś wykonują zdjęcia Ziemi. Segmentacja obrazów na jego pokładzie będzie możliwa dzięki najbardziej wydajnemu na świecie komputerowi pokładowemu. Do tego dochodzi oprogramowanie wykorzystujące uczenie maszynowe oraz sztuczną inteligencję. Pozwoli to m.in. skrócić czas reakcji na zdarzenia, które ludzie chcą monitorować. Cały system będzie się nazwał HyperCam.
Inżynierowie ze spółki KP Labs już wcześniej stworzyli oprogramowanie DeepFlow. Umożliwia ono pogłębioną analizę dużych zbiorów zdjęć satelitarnych z serii europejskich teledetekcyjnych satelitów Sentinel oraz satelitów do obserwacji Ziemi Landsat, wystrzelonych przez NASA (z ośmiu na orbicie pozostają jeszcze dwa). W planach jest również integracja z innymi darmowymi źródłami danych satelitarnych, takimi jak Sentinel Hub czy też komercyjnymi jak np. Planet. Dzięki zaawansowanej technologii uczenia głębokiego DeepFlow jest w stanie analizować bardzo duże zbiory danych. Ponadto pomaga odkrywać podobne wzorce na tysiącach zdjęć.
– Przed nami stoją wyzwania, które są udziałem nielicznych na świecie – uważa Michał Baćkowski, dyrektor zarządzający KP Labs.
Rolnik, leśnik i wojskowy
Wyniki analizy Deep Flow w rolnictwie mogą służyć do prognozy plonów, tworzenia map upraw i gleb. Przydadzą się też w wykrywaniu chorób roślin czy mapowaniu chwastów. Leśnikom mogą pomóc w klasyfikacji lasów, określaniu gatunków drzew i stanu ich zdrowia oraz planowaniu zalesiania. Można też za jego pomocą tworzyć mapy emisji zanieczyszczeń powietrza, wód i gleb. Zastosowanie miałby również w obronności, górnictwie i geologii, między innymi służąc tworzeniu map rozkładu minerałów i wykrywaniu metali ciężkich, takich jak kadm, ołów czy arsen.
– Dane satelitarne to ogromny potencjał, z którego Deep Flow może korzystać niemal bez ograniczeń. Teraz skupiamy się na wykorzystaniu systemu w branży ubezpieczeniowej, m.in. do likwidacji szkód rolniczych – wyjaśnia nam Kamil Sowa z KP Labs.
– Model, który stworzyliśmy, można wyuczyć w kierunku rozpoznawania pojazdów, budynków, lasów, pól uprawnych, akwenów, obszarów spalonych lub zalanych – dodaje Kamil Sowa. Wyniki obliczeń mogą być też przydatne do śledzenia procesu urbanizacji danego terenu. Można też obserwować zmiany powierzchni zbiornika wodnego w miarę upływu dni, miesięcy, lat.
Na tym jednak nie koniec. DeepFlow pozwala również na późniejszą obróbkę uzyskanych wyników (agregacja, wizualizacja itd.), wedle potrzeb użytkownika. Może na przykład wyszukiwać tylko obszary lub budynki o powierzchni większej niż zadana lub brać pod uwagę zmiany w czasie – stwierdza w rozmowie z nami Kamil Sowa.
Niewidoczne dla człowieka
Oprogramowanie jest głównie przystosowane do użycia wszelkiego rodzaju algorytmów głębokiego uczenia maszynowego. Są one w stanie bardzo dobrze rozpoznawać specyficzne cechy wskazanych obiektów. I dzięki temu „nauczyć się” odnajdywać je na zdjęciach, gdzie ich lokalizacja nie jest wskazana. Odnajdują je również w pasmach światła niewidocznych gołym okiem, co pozwala zwiększyć ich dokładność w porównaniu z „ręcznym” oznaczaniem.
– Samo przetwarzanie korzysta między innymi z mocy obliczeniowej kart graficznych. To przekłada się na zadowalającą wydajność takich algorytmów – zapewniają inżynierowie z KP Labs. – W pierwszej wersji to użytkownik dostarcza model takiego algorytmu. Docelowo mamy zamiar wprowadzić kilkanaście gotowych algorytmów, bazujących głównie na zmodyfikowanym modelu sieci neuronowej ResNet-50. Pozwalają one na segmentację czy też odnajdywanie różnych typów obiektów. Chcemy również pozyskiwać dane niekoniecznie widoczne gołym okiem, np. poziom chlorofilu w zbiorniku wodnym lub zmiany wysokości terenu – wskazuje Kamil Sowa. Nowy satelita, interpretujący dane jeszcze na pokładzie, będzie gromadził i analizował dane szybciej i dokładniej. Za sprawne funkcjonowanie systemu w kosmosie odpowiedzialni są inżynierowie z FP Instruments.
– Skala problemów, jakie niesie ze sobą umieszczenie sprzętu elektronicznego na orbicie, jest dla nas, inżynierów, niezwykle interesująca. Jak zabezpieczyć się przed promieniowaniem elektromagnetycznym, jak zapewnić stabilność działania, gdy mamy do czynienia ze zjawiskiem zjonizowanych cząstek, które trafiając w układy pamięci komputera, mogą spowodować zmianę bitu i wartości przechowywanej w pamięci komputera zmiennej? To wyzwania, którym będziemy musieli z radością stawić czoło – mówi Krzysztof Czyż, dyrektor techniczny FP Instruments.
Kamil Sowa – Product Manager w firmie KP Labs. Związany z rozwojem oprogramowania od ponad 10 lat. W swojej karierze pełnił role zarówno techniczne, jak i związane z zarządzaniem projektami. Od kilku lat jednak skupia się na zadaniach bliższych produktom, nad którymi pracuje – od roli analityka po Product Managera. W KP Labs zajmuje się produktami z sektora downstream, związanymi np. z przetwarzaniem danych satelitarnych.