Neue B2B-Commerce Studie
Jetzt downloadenLuft- und Raumfahrt, maschinelles Lernen
Machine Learning für wolkenfreie Bilder
Wolken stören die Analyse von Erdbeobachtungsbildern. Wir mussten also einer Maschine erklären, wie Wolken aussehen.
Ein Mehrwert für Erdbeobachtungsbilder
Wo das menschliche Auffassungsvermögen an seine Grenzen stößt, kommt maschinelles Lernen ins Spiel. Das haben wir genutzt für einen besonders leistungsstarken Ansatz zur Lösung einer Aufgabe: Sicherzustellen, dass Wolken die Ergebnisse, die aus Satellitenbildern gewonnen werden, nicht beeinträchtigen.
Dieses Projekt wurde im Rahmen einer Partnerschaft zwischen der ZAMG und Cloudflight durchgeführt.
Die Herausforderung
Ein wolkiges Problem
So trivial es auch erscheinen mag, 55 % der Erdoberfläche sind konstant bewölkt. Das ist ein essentielles Problem bei der Erfassung von Erdbeobachtungsbildern. Sobald große Mengen an Bilddaten eingehen, müssen alle Pixel, die Wolken entsprechen, ausgelassen werden, während diejenigen, die die Erdoberfläche abbilden, erhalten bleiben müssen.
Eine Fehlklassifizierung hat starke Auswirkungen auf weitere Algorithmen der Verarbeitungskette, die dann nämlich von einem klaren Himmel ausgehen. Teilweise sind bereits Lösungen in einigen Satelliten verbaut, die mit Instrumenten zur Erkennung von Wolken eine Fehlklassifizierung bestmöglich verhindern.
Allerdings sind aktuell nicht alle Satelliten mit entsprechender Software ausgestattet. Dieses Problem zu lösen, gilt als große Herausforderung.
Die Lösung
Bäume gegen Wolken
Wir verglichen eine Reihe modernster Algorithmen des maschinellen Lernens miteinander: Deep Learning (DL) / Convolutional Neuronal Nets (CNN) und baum-basierte Ansätze (Random Forests) sowie Support Vector Machines (SVM).
Für das Training haben wir leistungsstarke Hardware verwendet und eine Evaluierung gegen bestehende Wolkenmasken durchgeführt: Random Forests erwiesen sich hier als die am besten in Frage kommenden Algorithmen. Sie schnitten besser ab als die bekannten Cloud-Produkte. Das Ergebnis ist, dass unsere Wolkenmaske CI4Clouds die gleichen Vorverarbeitungsergebnisse erzielt, wie herkömmliche Tools zur digitalen Wolkenmaskierung.
Wir haben diesen Ansatz auch bei unserem Projekt BeatIt angewandt. Die Wolkenmaske wird dort zur Erkennung und Vorhersage von Borkenkäferbefall in Wäldern eingesetzt, um den lokalen Akteur:innen beim Schutz von Wäldern zu helfen.
Was unsere Entwickler:innen über dieses Projekt denken? – "Well. The sky is not our limit, we thrive on it!"
Österreichisches Bundesministerium für Verkehr
Dieses Projekt wurde in einer Partnerschaft von ZAMG und Cloudflight durchgeführt. CI4Clouds wurde vom österreichischen Bundesministerium für Verkehr, Innovation und Technologie (BMVIT, mittlerweile BMK) im Rahmen des Programms “IKT der Zukunft” zwischen 2015 und 2016 gefördert.
