Oficial científico ... ¡Busque elefantes!

Si ve muchas películas de espías o terroristas creadas hoy en día, generalmente hay una escena en la que algún empleado del gobierno mejora una imagen de satélite para mostrar una imagen clara del rostro del villano principal. ¿Tienen los satélites espías modernos tal resolución? No lo sabemos, y si lo supiéramos, todavía no podríamos decírselo. Pero sabemos que incluso con una resolución no secreta, los científicos están utilizando imágenes de satélite y aprendizaje automático para calcular cosas como las poblaciones de elefantes.

Cuando lo consideras, es un problema difícil calcular las poblaciones silvestres en su hábitat. Primero, si vas en persona, estás molestando a los animales objetivo. Incluso un dron probablemente molestará a una fauna tímida. Luego está el problema de tratar de cubrir un área grande y averiguar si el elefante que ves hoy es el mismo que viste ayer. Si asume mal, disminuirá o sobreestimará.

Los científicos de Oxford que contaron elefantes utilizaron el satélite Worldview-3. Recoge hasta 680.000 kilómetros cuadrados por día. No molestas a algunas de las criaturas observadas, y dado que cada disparo cubre un territorio enorme, tu problema de contar dos veces casi desaparece.

No es único

Aparentemente, contar animales desde el espacio no es nada nuevo. Fuerza bruta, obtienes un recuento de estudiantes graduados a partir de la imagen. Pero los métodos automáticos funcionan en algunas circunstancias. Todo, desde ballenas hasta pingüinos, se calculó desde la órbita, pero generalmente usando agua o hielo como fondo.

Incluso se han realizado esfuerzos para deducir las poblaciones de animales a partir de datos secundarios. Por ejemplo, contar pingüinos puede evaluarse por las manchas que dejan en el hielo. Sí, esos puntos.

Sin embargo, el cálculo del número de elefantes en el Parque Nacional de Elefantes Addo en Sudáfrica no fue un trasfondo claro. Los suelos son boscosos y a menudo llueven. El otro desafío es que los elefantes no siempre tienen el mismo aspecto. Por ejemplo, se cubren con barro para refrescarse. ¿Puede una máquina aprender a reconocer elefantes separados de fotografías espaciales de alta resolución?

Los elefantes en un claro son más fáciles de detectar ... ... que elefantes en la espesura.

¿Qué tan alto?

Copyright de la imagen DigitalGlobe / Lockheed Martin

Los satélites Worldview tienen la resolución más alta disponible actualmente para usuarios comerciales. La resolución es de hasta 31 cm. Para los estadounidenses, eso es suficiente para elegir algo de aproximadamente 1 pie de largo. Quizás eso no suene demasiado impresionante antes de que te des cuenta de que el satélite está a unas 383 millas sobre la superficie de la tierra. Es como fotografiar desde la ciudad de Nueva York y ver cosas en Newport News, Virginia.

Los investigadores no ordenaron específicamente al satélite que mirara el parque. En cambio, dibujaron imágenes históricas de pasajes sobre el parque. Puede averiguar qué datos tiene el satélite, aunque es posible que no reciba los mejores o más actualizados datos sin una suscripción. Pero incluso los datos que puede obtener son bastante impresionantes.

Según el periódico, las imágenes de archivo que utilizaron cuestan 17,50 dólares por milla cuadrada. Pedir imágenes nuevas eleva el precio a $ 27,50 y tuvo que comprar al menos 100 millas cuadradas, por lo que los datos satelitales no son baratos.

Capacitación

Por supuesto, una parte necesaria del aprendizaje automático es la formación. La fecha de la prueba tenía 164 elefantes en siete imágenes de satélite diferentes. Gente calculada para dar la supuesta respuesta correcta para el entrenamiento. Usando un algoritmo de puntuación, las personas promedian alrededor del 78% y el algoritmo de aprendizaje automático un promedio de alrededor del 75%, no hay mucha diferencia. Al igual que los humanos, los algoritmos eran mejores en algunas situaciones que en otras y, a veces, podían alcanzar el 80% para algunos tipos de partidos.

Datos libres

¿Quieres experimentar con tu propio ojo en el cielo? No todos los datos satelitales cuestan dinero, aunque es posible que las resoluciones no sean las adecuadas para usted. Obviamente, Google Earth y Maps pueden mostrarte algunas imágenes de satélite. USGS también tiene alrededor de 40 años de datos en línea y la NASA y la NOAA también tienen muchos, incluida la visión del mundo de alta definición de la NASA. Landviewer te ofrece imágenes gratis, aunque tendrás que pagar por los datos de mayor resolución. La ESA opera Copernicus, que tiene varios tipos de imágenes de los satélites Sentinel, y también puede obtener datos de Sentinal desde EO Browser o Sentinel Playground. Si no le importa el portugués, los brasileños tienen un bonito portal para imágenes del hemisferio sur. JAXA, el análogo japonés de la NASA, también tiene su propio sitio web con datos de resolución de 30 metros. Luego está uno de los equivalentes indios, ISRO.

El V-2 tomó esta foto a 65 millas en 1946.

Si no desea iniciar sesión, [Vincent Sarago’s] El sitio Remote Pixel le permite acceder a datos de Landsat 8, Sentinel-2 y CBERS-4 sin registrarse. También hay otros: UNAVCO, UoM, Zoom y VITO. Por supuesto, algunas de estas imágenes tienen una resolución bastante baja (incluso hasta 1 km / píxel), por lo que, dependiendo de lo que desee hacer con los datos, es posible que deba buscar fuentes pagas.

Existe una amplia gama de resoluciones, así como el tipo de datos, como luz visible, infrarrojos o radar. Sin embargo, todo supera el estado de la técnica en 1946, cuando se tomó la foto V-2 desde 65 millas hacia arriba. Las cosas pasaron por mucho.

Cielo alto

Imaginamos que estas mismas técnicas funcionarían con la fotografía aérea, como se puede obtener con un dron o incluso una cámara en un bar. Eso podría ser más rentable que comprar imágenes de satélite. Nos hizo preguntarnos qué otros proyectos informáticos todavía estaban explotando en escena.

Quizás nuestras impresoras 3D compararán algún día su salida en tiempo real con el modelo de entrada para detectar problemas de impresión. Este sería el sensor final "sin filamento" y también podría detectar la pérdida de unión al lecho y otras anomalías.

Los datos electrónicos de las imágenes térmicas o la estroboscopia por haz de electrones podrían generar pseudoimágenes como entrada para un algoritmo como este. Imagínese entrenar una computadora sobre cómo se ve una buena placa y luego hacer que identifique las placas defectuosas.

Por supuesto, siempre puede capturar sus propias imágenes de satélite. Lo hemos visto muchas veces.

  • mab122 dice:

    Es interesante si los laboratorios planetarios podrían implementar esto o proporcionar una base de datos.
    Me encanta su idea de "tierra cuestionable". Imagina que puedes consultar "ELEGIR CUENTA (elefante) DE LA TIERRA"

    • Ivan Stepaniuk dice:

      ERROR 1054 (42S22): columna desconocida 'elefante' en 'lista de campos'

    • algún chico dice:

      FALL TABLES PEOPLE FROM DATABASE ground

      (sí, eso no se aplica a SQL, no lo sé)

  • Ivan Stepaniuk dice:

    Felicitaciones, la nueva palabra "Oficial ... Escanear" ha sido indexada por todos los principales motores de búsqueda. : PAG

    • Mike Szczys dice:

      Sí, probablemente debería haber sido ... pero para la mayoría de los ojos humanos esos se ven iguales.

  • Ren dice:

    “Si estás viendo muchas películas de espías o terroristas montadas en este momento, generalmente hay una escena en la que algún empleado del gobierno está mejorando una imagen de satélite para mostrar una imagen clara del rostro del villano principal. "

    Con mayor frecuencia, logran recibir instantáneamente una transmisión en vivo de dicho satélite y pueden rastrear a los villanos que viajan a través de un área metropolitana importante sin ningún problema.
    Y a veces accederán a las cámaras de tráfico de alta resolución adecuadas y obtendrán una precisión precisa de los teléfonos móviles defectuosos.

Pedro Molina
Pedro Molina

Deja una respuesta

Tu dirección de correo electrónico no será publicada.