Gonzales - effektivisering og smart prosessering i dynamisk produksjonsomgivelse

Offentlig prosjektsammendrag

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.