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

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 å bruke maskinlæringsteknikker for å assistere og forbedre dagens manuelle analyseprosess, for å kunne tilby produkter av høy kvalitet enda raskere. Det undersøkes om det er mulig å oppnå dette ved bruk av maskinlæring for å tilordne prioritet for prosessering av de mest interessante geografiske områdene. Muligheten for bruk av maskinlæring for kundetilpasning av tjenesten undersøkes også. Effekt av forbedringen i prosesseringskraft med GPUer undersøkes.

* 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.