p O Aeronet Lab da Skoltech desenvolveu um algoritmo que permite analisar imagens de satélite de áreas afetadas por incêndios e outros desastres naturais e fazer uma avaliação rápida dos danos econômicos. O algoritmo é baseado em aprendizado de máquina e visão computacional. p O Laboratório AeroNet no Centro de Ciência e Engenharia Computacional e Intensiva de Dados da Skoltech (CDISE), em colaboração com o professor Evgeny Burnayev, treinou a rede neural em conjuntos de imagens de satélite para garantir que ela possa distinguir entre os edifícios destruídos daqueles intocados pelo fogo. Para treinar a rede neural, os cientistas usaram imagens de satélite publicamente disponíveis da Califórnia (Estados Unidos) tiradas em 2017. Mais tarde, a rede treinada identificou com segurança casas queimadas na área de teste, Santa Rosa (Califórnia), que foi afetado por incêndios destrutivos. Se usado em um ambiente de crise, a solução ajuda a avaliar rapidamente o escopo do desastre e os danos esperados e agiliza o processo de tomada de decisão. O projeto despertou o interesse de organizações públicas e humanitárias, bem como companhias de seguros.

p “Os algoritmos desenvolvidos são capazes de analisar séries de imagens de satélite multitemporais e detectar alterações em objetos pertencentes a uma determinada classe. A solução será de grande ajuda em várias tarefas de pesquisa e aplicações de monitoramento de área industrial, como a detecção de novos canteiros de obras, uma avaliação da densidade populacional, e gestão de risco em áreas protegidas, "diz Vladimir Ignatiev, um cientista pesquisador da Skoltech.

p O AeroNet Lab desenvolve vários aplicativos baseados em aprendizagem profunda e visão computacional para lidar com uma série de problemas do mundo real usando imagens de satélite e aéreas:serviços de monitoramento para zonas de segurança de instalações industriais de grande escala, como oleodutos e linhas de alta tensão (detecção de vazamento, controle de supercrescimento, construção ilegal, etc.), serviços de recomendação para fins de geomarketing (altura do edifício e avaliação de ocupação, etc.), silvicultura e agricultura (corte ilegal, qualidade da madeira em pé, previsão de safra, consequências das secas).