Australijski naučnici se približavaju otkrivanju požara u rekordnom vremenu, zahvaljujući kockastim satelitima sa ugrađenom veštačkom inteligencijom koja sada može da otkrije požare iz svemira 500 puta brže od tradicionalne obrade slika na zemlji.
Istraživači daljinske detekcije i kompjuterskih nauka prevazišli su ograničenja obrade i kompresije velikih količina hiperspektralnih slika na manjim, isplativijim kockastim satelitima pre nego što ih pošalju na zemlju na analizu, štedeći dragoceno vreme i energiju.
Ovo otkriće, korišćenjem veštačke inteligencije, znači da će požari biti ranije otkriveni iz svemira, čak i pre nego što se zahvate i generišu velike količine toplote, omogućavajući zemaljskim ekipama da brže reaguju i spreče gubitak života i imovine.
Projekat, koji vodi Univerzitet Južne Australije (UniSA), koristio je najsavremeniju ugrađenu AI tehnologiju za razvoj energetski efikasnog sistema za rano otkrivanje dima za prvi kockasti satelit u Južnoj Australiji, Kaniini.
Istraživači su objavili detalje svog eksperimenta u najnovijem broju IEEE časopisa odabranih tema u primenjenim posmatranjima Zemlje i daljinskom detekcijom.
Misija Kaniini je saradnja između vlade SA, SmartSat CRC-a i industrijskih partnera na lansiranju 6 U CubeSat satelita u nisku Zemljinu orbitu radi otkrivanja požara, kao i praćenja kvaliteta vode u unutrašnjosti i na obali.
Opremljen hiperspektralnim snimačem, satelitski senzor hvata reflektovanu svetlost sa Zemlje u različitim talasnim dužinama da generiše detaljne površinske mape za različite primene, uključujući praćenje šumskih požara, procenu kvaliteta vode i upravljanje zemljištem.
Vodeći istraživač UniSA geoprostorni naučnik dr Stefan Peters kaže da tradicionalno sateliti za posmatranje Zemlje nemaju ugrađene mogućnosti obrade za analizu složenih slika Zemlje snimljenih iz svemira u realnom vremenu.
Njegov tim, koji uključuje naučnike sa UniSA-e, Tehnološkog univerziteta Svinburn i Geoscience Australia, prevazišao je ovo izgradnjom laganog AI modela koji može da otkrije dim u okviru dostupnih ograničenja obrade, potrošnje energije i skladištenja podataka kockastih satelita.
U poređenju sa zemaljskom obradom hiperspektralnih satelitskih snimaka za otkrivanje požara, ugrađeni AI model je smanjio obim podataka koji se prenose na dole na 16% svoje originalne veličine, dok je trošeći 69% manje energije.
Ugrađeni model sa veštačkom inteligencijom je takođe otkrio dim od požara 500 puta brže od tradicionalne obrade na zemlji.
„Dim je obično prva stvar koju možete da vidite iz svemira pre nego što vatra postane vruća i dovoljno velika da je senzori mogu identifikovati, tako da je rano otkrivanje ključno“, kaže dr Peters.
Da bi demonstrirali AI model, koristili su simulirane satelitske snimke nedavnih požara u Australiji, koristeći mašinsko učenje da obuče model da otkrije dim na slici.
„Za većinu senzorskih sistema, samo delić prikupljenih podataka sadrži kritične informacije vezane za svrhu misije. Pošto podaci ne mogu da se obrađuju na velikim satelitima, svi oni se povezuju na zemlju gde se analiziraju, zauzimaju mnogo prostora i energije. To smo prevazišli obučavanjem modela da razlikuje dim od oblaka, što ga čini mnogo bržim i efikasnijim.
