Direkt zum Inhalt
Logo GMV

Main navigation

  • Branchen
    • Icono espacio
      Raumfahrt
    • Icono Aeronáutica
      Luftfahrt
    • Icono Defensa y Seguridad
      Verteidigung und Sicherheit
    • Icono Sistemas Inteligentes de Transporte
      Intelligente Verkehrssysteme
    • Icono Automoción
      Automobilindustrie
    • Icono Ciberseguridad
      Cyber-Sicherheit
    • Icono Servicios públicos Digitales
      Digitale öffentliche Dienste
    • Icono Sanidad
      Gesundheitswesen
    • Icono Industria
      Industrie
    • Icono Financiero
      Finanzen
    • Icono Industria
      Dienstleistungen
    • Alle Branchen

    Hervorheben

    European Conference on Space Debris
    Unsere gegenwart und zukunft, ein rundgang durch die Europäische Weltraummüllkonferenz
  • Karriere
  • Über GMV
    • Lernen Sie unser Unternehmen kennen
    • Geschichte
    • Führungsteam
    • Zertifizierungen
    • Soziale Unternehmensverantwortung
  • Kommunikation
    • Nachrichten
    • Veranstaltungen
    • Blog
    • Magazin GMV News
    • Presseraum
    • Medienbibliothek
    • GMV heute

Secondary navigation

  • Produkte von A bis Z
  • GMV Global
    • Global (en)
    • Hiszpania i Ameryka Łacińska (es - ca - en)
    • Deutschland (de - en)
    • Portugal (pt - en)
    • Polen (pl - en)
    • Niederlassungen und alle GMV sites
  • Startseite
  • Kommunikation
  • Nachrichten
Zurück
New search
Date
  • Erdbeobachtung

Verbesserung von Erdbeobachtungsanwendungen mit synthetischen Daten

10/02/2025
  • Drucken
Teilen
sd4EO

GMV hat SD4EO erfolgreich abgeschlossen, eine Forschungsinitiative in Zusammenarbeit mit der ARTEC-Gruppe der Universität Valencia, die durch das FutureEO-Programm der Europäischen Weltraumorganisation finanziert wird.

Das Projekt „Synthetische Daten für die Erdbeobachtung“ hatte zum Ziel, den Nutzen der Integration von physikalischen und KI-basierten synthetischen Daten in Erdbeobachtungsanwendungen zu demonstrieren. SD4EO konzentrierte sich auf zwei Arten von Simulationen:

  • Physikalisch basiertes Rendering Die ARTEC-Gruppe verwendete die Unity-Grafik-Engine, um realistische synthetische Bilder zu erzeugen, indem sie das Lichtverhalten und die Sensoreigenschaften genau simulierte.
  • KI-gesteuerte Simulation GMV implementierte fortschrittliche bedingte Diffusionsmodelle, die mit einer statistischen Zufallsverteilung beginnen und iterativ durch Einschränkungen geformt werden, so dass sich die Merkmale weiterentwickeln und dem Zielbild oder -signal ähneln.

Die synthetischen Daten wurden mit realen EO-Daten in KI-gesteuerte Analysepipelines integriert, um deren Potenzial zur Leistungssteigerung bei Anwendungen zur Zielkategorisierung zu untersuchen:

  1. Kategorisierung der Anbauflächen. Durch die Integration synthetischer Daten wurde die Klassifizierungsleistung im Allgemeinen beibehalten oder leicht verbessert. Die Kombination von synthetischen Daten seltener Pflanzen (Hafer und Luzerne) mit realen EO-Daten ergab die höchste Genauigkeit, was die Effektivität von gezielten synthetischen Daten bei der Bewältigung von Klassifizierungsaufgaben für mehrere Klassen unterstreicht.
  2. Kategorisierung der Siedlungen. Durch die Integration wurde die Gesamtleistung bei der Erkennung bebauter Gebiete verbessert. Vielversprechende Ergebnisse, die nur mit synthetischen Daten erzielt wurden, rechtfertigen weitere Untersuchungen, insbesondere wenn echte EO-Daten schwer zu beschaffen sind.
  3. Überwachung von Fotovoltaikanlagen. Die Modellleistung verbesserte sich im Allgemeinen, wobei die besten Ergebnisse bei Verwendung von sowohl physischere als auch KI-basierter Datensätze erzielt wurden. Die Ergebnisse deuten darauf hin, dass eine angemessene Menge synthetischer Daten die Leistung des Modells verbessern kann, wobei die ideale Menge von der Datenverteilung und dem Datenvolumen abhängt.

Diese vielversprechenden Ergebnisse bilden die Grundlage für weitere Untersuchungen, einschließlich der Verfeinerung der synthetischen Daten und zusätzlicher Experimente, um ihre Vorteile bei EO-Anwendungen besser zu verstehen. Die simulierten Datensätze und Werkzeuge wurden öffentlich zugänglich gemacht, um weitere Forschung und Entwicklung zu fördern:

  • Generierte synthetische Daten sind auf Zenodo verfügbar.
  • Code zur Erzeugung der physikalisch basierten Daten und der KI-basierten Daten ist auf GitHub verfügbar.

Die Abbildung unten zeigt Beispiele für die generierten physikalischen und KI-basierten synthetischen Daten für die Anwendungsfälle.

  • Drucken
Teilen

Verwandt

biomass_satellite_web.jpg
  • Erdbeobachtung
GMV maßgeblich bei BIOMASS, einer wichtigen Mission zur Verbesserung der Klimavorhersage
ev_living-planet.jpg
  • Erdbeobachtung
Living Planet Symposium
23 Juni - 27 Juni
np_004_air4health.jpeg
  • Erdbeobachtung
GMV arbeitet mit +Atlantic CoLAB am Projekt AIR4Health zur Verbesserung der öffentlichen Gesundheit zusammen

Kontakt

Europaplatz 2
64293 Darmstadt | Deutschland
Tel. +49 6151 3972 970
Fax. +49 6151 8609 415

Zeppelinstraße, 16
82205 Gilching | Deutschland
Tel. +49 (0) 8105 77670 150
Fax. +49 (0) 8105 77670 298

Contact menu

  • Kontakt
  • GMV weltweit

Blog

  • Blog

Branchen

Sectors menu

  • Raumfahrt
  • Luftfahrt
  • Verteidigung und Sicherheit
  • Intelligente Verkehrssysteme
  • Automobilindustrie
  • Cyber-Sicherheit
  • Digitale öffentliche Dienste
  • Gesundheitswesen
  • Industrie
  • Finanzen
  • Dienstleistungen
  • Karriere
  • Über GMV
  • Direkt zu
    • Presseraum
    • Nachrichten
    • Veranstaltungen
    • Blog
    • Produkte von A bis Z
© 2025, GMV Innovating Solutions S.L.

Footer menu

  • Kontakt
  • Rechtlicher Hinweis
  • Datenschutzerklärung
  • Cookie-Richtlinie
  • Impressum

Footer Info

  • Finanzinformationen
  • Verpflichtung für den Umweltschutz