Glossaire

Analyse d'images satellites

Tirez parti de l'imagerie satellitaire grâce à une analyse alimentée par l'IA pour l'agriculture, la gestion des catastrophes, la planification urbaine et la préservation de l'environnement.

L'analyse d'images satellitaires consiste à extraire des informations significatives à partir d'images capturées par des satellites en orbite autour de la Terre. Ce domaine associe des techniques de télédétection à des méthodes informatiques avancées, en particulier l'intelligence artificielle (IA) et l'apprentissage automatique (ML), pour surveiller et interpréter les activités environnementales et humaines à grande échelle. La disponibilité croissante de données satellitaires à haute résolution provenant de sources telles que Earthdata de la NASA et le programme Copernicus de l'Agence spatiale européenne, associée à de puissants modèles d'intelligence artificielle, rend cette analyse cruciale pour comprendre les changements mondiaux et éclairer les décisions dans divers secteurs. L 'utilisation de la vision par ordinateur pour analyser l'imagerie satellitaire permet d'obtenir des informations auparavant cachées dans de vastes ensembles de données.

Aspects fondamentaux de l'analyse des images satellites

Le processus commence généralement par l'acquisition d'images à partir de capteurs satellitaires, qui capturent souvent des données sur plusieurs bandes spectrales(données multispectrales), voire des centaines de bandes(données hyperspectrales), allant au-delà de la lumière visible. Ces données brutes doivent être prétraitées pour corriger les distorsions atmosphériques, les erreurs géométriques et le bruit des capteurs, afin d'en garantir la précision. Après le prétraitement, des techniques d'extraction de caractéristiques, utilisant fréquemment des réseaux neuronaux convolutifs (CNN), sont utilisées pour identifier les modèles et les caractéristiques pertinents. Les tâches courantes de vision par ordinateur comprennent la détection d' objets pour localiser des éléments spécifiques tels que des navires ou des bâtiments à l'aide de boîtes de délimitation, et la segmentation d'images pour classer les pixels dans des catégories telles que les étendues d'eau, les forêts ou les zones urbaines. Les modèles comme Ultralytics YOLO, en particulier les versions YOLOv8 et la dernière YOLO11, sont bien adaptés au traitement efficace de ces grands ensembles de données en raison de leur vitesse et de leur précision. Enfin, les caractéristiques extraites sont interprétées pour générer des informations et des rapports. Des plateformes comme Ultralytics HUB peuvent faciliter la formation de modèles personnalisés et rationaliser le déploiement des modèles.

Applications dans le monde réel

L'analyse d'images satellitaires a de nombreuses applications pratiques basées sur l'IA :

Distinction par rapport à d'autres domaines de l'analyse d'images

Bien qu'elle partage des techniques de base avec la vision artificielle (CV) et la reconnaissance d'images, l'analyse d'images satellite est différente en raison de plusieurs facteurs :

  • L'échelle : Il s'agit d'images couvrant de vastes zones géographiques, nécessitant souvent un traitement distribué et des algorithmes efficaces tels que ceux de la famille YOLO.
  • Type de données : Il utilise fréquemment des données multispectrales ou hyper-spectrales, capturant des informations au-delà du spectre visible, contrairement aux images RVB standard utilisées dans de nombreuses autres applications CV.
  • Défis spécifiques : Elle doit résoudre des problèmes particuliers tels que les interférences atmosphériques (nuages, brume), les conditions d'éclairage variables et la nécessité d'effectuer des corrections géométriques précises (orthorectification) afin d'aligner les images avec les coordonnées du sol.
  • Objectif : Contrairement à l'analyse d'images médicales, qui se concentre sur les structures internes détaillées à des fins de diagnostic(détection de tumeurs dans l'imagerie médicale), l'analyse de satellites interprète de grandes surfaces à des fins de compréhension de l'environnement, de l'agriculture ou de l'infrastructure. Elle diffère du suivi d'objet standard en ce qu'elle traite souvent de caractéristiques à grande échelle stationnaires ou se déplaçant lentement, bien que le suivi d'objets mobiles tels que les navires soit également une application pertinente.

Rejoindre la communauté Ultralytics

Rejoignez l'avenir de l'IA. Connectez-vous, collaborez et évoluez avec des innovateurs mondiaux.

S'inscrire
Lien copié dans le presse-papiers