Nuevo Módulo Deep Learning de ENVI

Agricultura
Agua

Harris Geospatial ha desarrollado tecnología comercial de deep learning, diseñada específicamente para trabajar con imágenes teledetectadas, para resolver problemas geoespaciales. El módulo Deep Learning de ENVI elimina las barreras para ejecutar deep learning con datos geoespaciales, y actualmente está siendo usado para resolver problemas en agricultura, servicios públicos, transporte, defensa y otras industrias.

Fácil de usar

No todos son expertos en deep learning. Harris Geospatial desarrolló el módulo Deep Learning de ENVI tomando esto en cuenta. El módulo tiene herramientas intuitivas y flujos de trabajo que no requieren programación, y permite a los usuarios etiquetar datos fácilmente, y generar modelos con un solo click.

También es sencillo para los expertos en imágenes el fusionar capas de información, tales como índices espectrales, resultados de detección de objetivo, resultados del Spectral Angle Mapper, o cualquier otro dato, para crear clasificadores más robustos.

La exactitud cuenta

ENVI es la tecnología líder en análisis de imágenes en el mercado, y sus análisis científicos patentados son exactos y confiables para extraer información relevante desde todo tipo de imágenes y datos geoespaciales. Las herramientas de preprocesamiento de ENVI, tales como calibración, estiramiento y transformación de espacio de color, crean datos consistentes para alimentar los modelos de deep learning. Con tecnología deep learning construida en TensorFlow, la librería líder de datos abiertos, puedes crear modelos confiables para la clasificación de imágenes.

El módulo Deep Learning de ENVI en acción

El módulo Deep Learning de ENVI se ofrece como una extensión de las aplicaciones de ENVI para escritorio, y está construido en el marco de trabajo ENVI Task. Esto significa que los clasificadores pueden construirse una sola vez, y ejecutarse en cualquier entorno, ya sea tu computadora de escritorio, servidores in situ, o en la nube. Para demostrar cómo se puede utilizar esta tecnología, he aquí algunos ejemplos del mundo real, en los que los problemas de los clientes fueron resueltos usando el módulo.

Servicios públicos

El subir a las turbinas de viento para inspeccionar daños es caro, y puede ser peligroso. El módulo Deep Learning de ENVI se utilizó en combinación con datos UAV para discernir entre daños a las hojas de las turbinas debido a rayos, que necesitan repararse; y suciedad, pintura descascarada y daños ocasionados por pájaros, que no necesitan repararse. Como resultado, mejoró la seguridad, y se redujeron los costos y los tiempos de inspección.

Agricultura

El extraer filas curvas en los campos de agricultura siempre fue un problema difícil para los algoritmos tradicionales de teledetección. Debido a que el módulo Deep Learning de ENVI funciona como un cerebro al extraer e identificar elementos, un cliente pudo determinar fácilmente las filas de plantas. Esta información fue luego usada para contabilizar cultivos, identificar plantas faltantes, y generar zonas de gestión para mejorar el rendimiento.

Respuesta a desastres

Cuando ocurren los desastres, el tiempo de respuesta es muy importante. El módulo Deep Learning de ENVI está calibrado para que no necesites miles de muestras para crear modelos capaces de hallar elementos. Luego de un reciente terremoto, el módulo Deep Learning de ENVI se usó para identificar rápidamente los montículos de escombros en una ciudad. En este ejemplo, sólo 10 polígonos se usaron para construir un clasificador exacto que otorgó información útil, para que los equipos de respuesta se pudieran movilizar y llevar suministros para salvar vidas.


Si quieres saber más acerca de las soluciones con la tecnología ENVI, contáctate con nosotros.

comentarios

0