W obliczu narastających zmian klimatycznych i rosnącej potrzeby zrównoważonego zarządzania uprawami, a także w celu skuteczniejszej ochrony dziedzictwa kulturowego, Alioth Space, we współpracy z firmą TUATARA i Politechniką Warszawską, podjęło wyzwanie stworzenia zaawansowanego systemu rozpoznawania oraz analizy zdjęć satelitarnych i lotniczych, wykorzystującego algorytmy sztucznej inteligencji.

To pionierskie narzędzie ma za zadanie wspierać transformację i cyfryzację rolnictwa, łącząc wysoką efektywność zarządzania produkcją naturalną z dbałością o środowisko. Jednocześnie, poprzez wsparcie badań archeologicznych, projekt ma przyczynić się do lepszego zrozumienia i popularyzacji historii. Innowacyjność rozwiązania polega na połączeniu dwóch pozornie odległych dziedzin – rolnictwa i archeologii – w ramach jednego, zaawansowanego technologicznie systemu.

Projekt zatytułowany System rozpoznawania oraz analizy zdjęć satelitarnych i lotniczych na potrzeby rolnictwa i archeologii jest współfinansowany przez Narodowe Centrum Badań i Rozwoju (NCBR) w ramach programu INFOSTRATEG. To przełomowe przedsięwzięcie łączy w sobie zaawansowane technologie, takie jak algorytmy sztucznej inteligencji i uczenia maszynowego, z analizą danych pochodzących z różnorodnych źródeł, w tym satelitów, dronów i samolotów.

W ramach działań zostanie stworzony prototyp platformy internetowej, która umożliwi wizualizację i śledzenie aktualnych oraz archiwalnych danych o uprawach. System ten znajdzie zastosowanie w monitorowaniu kluczowych upraw w Polsce, takich jak rzepak, kukurydza, pszenica i pszenżyto. Dzięki zgromadzonym danym rolnicy będą mogli uzyskać kompleksowe informacje o stanie upraw, prognozować plony, dobierać odpowiednie nawozy czy szybko reagować w sytuacjach kryzysowych. Narzędzie to pozwoli również na przewidywanie ryzyka wystąpienia chorób roślin oraz szkodników poprzez analizę warunków pogodowych, zdjęć satelitarnych i innych czynników ryzyka, co umożliwi wczesne wykrywanie zagrożeń oraz podejmowanie odpowiednich działań ochronnych.

Co więcej, narzędzie zostało wyposażone w funkcję rozpoznawania różnego rodzaju stanowisk archeologicznych. Gdy system wykryje potencjalne stanowisko, informacja ta może zostać zgłoszona do Wojewódzkiego Konserwatora Zabytków, umożliwiając przeprowadzenie weryfikacyjnych badań terenowych.

Długofalowe korzyści z przyszłego wdrożenia projektu obejmują wsparcie transformacji i cyfryzacji rolnictwa, poprawę efektywności zarządzania uprawami, wdrażanie działań proekologicznych w rolnictwie, usprawnienie procesu wykrywania stanowisk archeologicznych, popularyzację historii i rozwój społeczny, a także redukcję kosztów akwizycji danych i ograniczenie śladu węglowego.

Projekt stanowi doskonały przykład synergii między nauką, biznesem i technologią, demonstrując potencjał innowacyjnych rozwiązań w rozwiązywaniu globalnych wyzwań. Alioth Space, jako partner w tym przedsięwzięciu, potwierdza swoje aspiracje w dziedzinie zaawansowanych technologii kosmicznych i ich praktycznych zastosowań.

W ramach projektu przewidziany jest pilotażowy program mający na celu wprowadzenie wybranych przedstawicieli sektora rolniczego do opracowanej platformy. Następnie przewidziany jest proces komercjalizacji wyników projektu oraz sprzedaży opracowanych rozwiązań.

Obecnie konsorcjum rozwija metody klasyfikacji pokrycia terenu, detekcji obszarów spalonych oraz dokładnej klasyfikacji i rozróżniania poszczególnych upraw. W ramach zadań używane są zarówno klasyczne metody uczenia maszynowego (Machine Learning), jak i bardziej zaawansowane głębokie sieci neuronowe (Deep Learning).

Firma Alioth Space odpowiedzialna jest bezpośrednio za proces walidacji, badania metryk oraz potencjalnych rekomendacji co do usprawnienia modeli. W ramach wykonanych prac opracowano szczegółową metodykę prac walidacyjnych, która została wykorzystana do oceny klasyfikacji pokrycia terenu z wykorzystaniem modeli uczenia maszynowego w przypadku podejścia opartego na pojedynczych pikselach (tzw. pixel-based model). W celu przyspieszenia procesu walidacji stworzono również funkcjonalny model ETL służący do pobierania danych obserwacyjnych Sentinela-2 z platformy programu Copernicus na podstawie wskazanych kryteriów.