Gonzales - et innovasjonsprosjekt for effektivisering og smart prosessering i dynamisk produksjonsomgivelse

Monitoring environmental and maritime security, using earth observation satellite data, is achieved by a combination of automatic, semi-automatic, and manual analysis. The time spent analysing satellite imagery is often critical for the customer who needs the results quickly. Developing and testing effective analysing methods to reduce the processing time, while maintaining or increasing the service product quality, is a key activity in service development at KSAT. In the project methods to utilize capabilities in machine learning and artificial intelligence (AI) to streamline processing of big data amounts is assessed. The project aims to use machine learning technics to offer high quality products even faster by assisting and improving the manual analysis processes, e.g. categorisation and classification of detections. It is being investigated whether it is possible to achieve this by using machine learning to assign priority for processing the most interesting geographical areas first. The possibility of using machine learning for customizing the service is also being investigated. Processing capacity will be assessed using GPUs.

* Demonstrert AT nevrale konvolusjonsnettverk kan detektere oljesøl (AI kan brukes til formålet) * Avdekket at manuelle analysemetoder (som er brukt til å trene det nevrale nettverket) har varians (fra operatør til operatør) klassifiseringen av oljesøl, brukt til forbedring av analyseprosessen * Prosessen med klassifisering av detekterte oljesøl er forbedret * Redusert analysetid og effektivisert vindestimering

Overvåking av miljø og maritim sikkerhet, ved bruk av jordobservasjonsdata fra satellitter, oppnås ved en kombinasjon av automatiske, semi-automatiske, og manuelle visuelle analyseprosesser. Tiden det tar å analysere satellittbilder er ofte kritisk for kunden som trenger resultatene raskt. Utvikling og utprøving av effektive analysemetoder for å korte ned tida det tar å analysere satellittbilder, og samtidig opprettholde eller øke kvaliteten på det samlede tjenesteproduktet, er derfor en sentral aktivitet i videre tjenesteutvikling ved KSAT. Den overordnede ideen til prosjektet er å utnytte muligheter innenfor maskinlæring og kunstig intelligens (AI) for å effektivisere prosessering av store datamengder. Prosjektet ønsker primært å kombinere bruk av maskinlæringsteknikkene RNN (Recurrent Neural Network) og CNN (Convolutional Neural Network) for å assistere og forbedre dagens manuelle prosess for analyse. Maskinlæring vil også benyttes for å tilordne prioritet til områder for å raskest mulig tilby produkter av høy kvalitet og også gjøre ytterligere tilpasning til forskjellige kunder eller kjøre eksperimenter i en produksjonsomgivelse for mulig fremtidige produkter. Utover prosjektperioden skal nye og tilpassede tjenester testes i reelle omgivelser for nye kunder. Det skal være enkelt å følge testprosedyre for å legge til rette for å teste forskjellige tjenester opp mot hverandre og evt. også gjøre benchmarking ved behov.