deep_class.jpg

ENVI Deep Learning

L3Harris Geospatial ha desarrollado una tecnología de Deep Learning específicamente diseñada para trabajar con imágenes de sensores remotos para resolver problemas geoespaciales. El módulo ENVI Deep Learning elimina las barreras para realizar inteligencia artificial con datos geoespaciales y se está utilizando actualmente para resolver problemas en la agricultura, servicios públicos, transporte, defensa y otras industrias.

ENVI Deep Learning sobresale en la detección automática de objetivos, mapeo de clasificación de cobertura terrestre y detección de cambios. Al emplear un proceso altamente sintonizado que se basa en modelos de entrenamiento y computación de alto rendimiento para entrenar una red neuronal, ENVI Deep Learning puede identificar y extraer objetos de interés o descubrir condiciones específicas a través de grandes cantidades de imágenes y datos ofreciendo resultados más rápidos y más precisos que nunca.

No se requiere programación

No todos son expertos en aprendizaje profundo. Harris Geospatial desarrolló el módulo ENVI Deep Learning con esto en mente. El módulo tiene herramientas intuitivas y flujos de trabajo que no requieren programación y permiten a los usuarios etiquetar datos fácilmente y generar modelos con el clic de un botón. 

Ademas es sencillo para los expertos en imágenes experimentadas fusionar capas de información tales como índices espectrales, resultados de detección de objetivos, resultados del Mapeador de ángulos espectrales o cualquier otra transformación de datos para crear clasificadores más robustos.

La exactitud cuenta

ENVI es la tecnología de análisis de imágenes líder en el mercado y su análisis patentado, basado en la ciencia, es preciso y confiable para extraer información significativa de todo tipo de imágenes y datos geoespaciales. Las herramientas de preprocesamiento de ENVI, como las transformaciones de calibración, estiramiento y espacio de color, crean datos de entrada consistentes para los modelos de aprendizaje profundo. Con la tecnología de aprendizaje profundo basada en TensorFlow, la biblioteca de código abierto líder, puede crear modelos confiables para la clasificación de imágenes.

Experiencia en el campo. Resultados en los que puede confiar

La precisión estándar para la clasificación de píxel por píxel es entre 75-85%. La inversión de Harris Geospatial en tiempo y dinero en tecnología de deep learning ha resultado en precisiones de clasificación de hasta 90-95%, y algunas veces más altas.

ENVI es el software de análisis de imágenes líder en el mercado y sus análisis basados ​​en la ciencia son precisos y confiables para extraer información significativa de todo tipo de imágenes y datos geoespaciales. Las herramientas de preprocesamiento de ENVI, como la calibración, la corrección atmosférica y las transformaciones del espacio de color, crean datos de entrada consistentes para modelos de aprendizaje profundo. Con la tecnología de aprendizaje profundo desarrollada en TensorFlow, una biblioteca de código abierto líder, puede crear modelos confiables para la clasificación de imágenes.

Como funciona ENVI Deep Learnig en el mundo real?

ENVI Deep Learning se ofrece como una extensión de ENVI para aplicaciones de escritorio y se basa en el marco de tareas de ENVI. Esto significa que los clasificadores se pueden crear una vez y ejecutarse en cualquier entorno, ya sea su computadora de escritorio, servidores locales o en la nube. Para demostrar cómo puede usar esta tecnología, aquí hay algunos ejemplos reales de problemas que se han resuelto utilizando el módulo.

RESPUESTA AL DESASTRE

Cuando ocurren desastres, el tiempo de respuesta es muy importante. El módulo de aprendizaje profundo de ENVI se ha ajustado para que no necesite miles de muestras para crear modelos para encontrar características. Después de un huracán reciente, el módulo se utilizó para caracterizar rápidamente diferentes tipos de daños a edificios en toda la región, desde destrucción parcial hasta total. Primero, se etiquetaron un puñado de áreas pequeñas de acuerdo con el alcance del daño. Cuando se aplicó el modelo a la escena, los edificios dañados se clasificaron automáticamente de acuerdo con la magnitud del daño que sufrieron.

AGRICULTURA

Utilizando ENVI Deep Learning, se identificaron las ubicaciones de los flujos de lava actuales y pasados ​​en Hawái. Esta información se utilizó en ENVI para comprender el impacto ambiental que los gases volcánicos tenían en los cultivos locales, lo que les dio a los agricultores información sobre las reclamaciones de seguros y la capacidad de comprender si los cultivos son seguros para el consumo humano.

CRECIMIENTO URBANO

ENVI Deep Learning facilita la evaluación del entorno. El módulo se utilizó para generar la siguiente imagen de clasificación de cobertura terrestre. Cuando se generó otra imagen al año siguiente, se utilizaron los flujos de trabajo de detección de cambios tradicionales en ENVI para aproximar el impacto humano en el medio ambiente y detectar cosas como nuevos edificios y plataformas de pozos.

Desarrollamos Deep Learning Ideas

¿Tiene un problema que el deep learning podría resolver? Geospace Solutions puede trabajar con usted para desarrollar una solución que cumpla con los requisitos de su proyecto.

Solicita una cotización
Aprende ENVI
Entrenamiento