En SRM Consulting dentro de nuestra apuesta por la innovación, hemos desarrollado un sistema de reconocimiento y segmentación de objetos a partir de imágenes aéreas y otros datos multidimensionales.

Las tecnologías utilizadas se basan en algoritmos de Machine learning o aprendizaje automático y, más específicamente, de Deep learning o aprendizaje profundo. Se trata de un sistema con redes neuronales artificiales formadas por capas encargadas de extraer características y patrones de las imágenes y están incluidas en nuestro producto Ipsilum.

Que es Ipsilum

Como he comentado en Nosolosig en un artículo anterior, Ipsilum es un software para el tratamiento y análisis de datos geolocalizados, a través de una plataforma que une el almacenamiento, edición, análisis y visualización de la información geográfica, que además se puede compartir fácilmente. Integra información de sensores fijos y en movimiento e información capturada con drones, permitiendo así gestionar y analizar gran volumen de datos (Big Data), aplicando algoritmos de análisis combinados con inteligencia artificial.

Ipsilum tiene capacidades para el reconocimiento y segmentación de objetos cartográficos a partir de imágenes aéreas y otros datos multidimensionales.

Detección de entidades cartográficas por Inteligencia Artificial en Ipsilum
Detección de entidades cartográficas por Inteligencia Artificial en Ipsilum

¿Qué ventajas tiene el uso de la Inteligencia Artificial en la producción de cartografía?

Reducción de tiempos

La revisión y producción cartográfica tradicional con operadores requiere de una gran cantidad de tiempo invertido. Con el aprendizaje automático, la máquina es capaz de detectar objetos cartográficos en cuestión de minutos.

Reducción de costes

Se puede lograr más con menos recursos, lo que va a repercutir en una reducción de costes muy significativa. No solamente disminuye el tiempo de trabajo invertido, sino también los recursos humanos necesarios.

Aumento de la productividad y de la eficiencia operativa

A los dos beneficios anteriores se suma una mejora de la productividad y de la eficiencia en general de las operaciones de la empresa, puesto que se automatizan tareas repetitivas que conllevan una gran carga de trabajo, favoreciendo así un mejor reparto y aprovechamiento de los recursos.

Mejor calidad de los datos

La compleja red neuronal que utiliza el algoritmo de aprendizaje y la capacidad de analizar diferentes tipos de información de entrada permite al sistema de inteligencia artificial detectar objetos que para un operador podrían pasar desapercibidos. Además, a diferencia de la revisión manual, el sistema puede trabajar a un nivel de precisión mayor, con escalas menores, sin que repercuta en un coste computacional mucho más alto.

¿Qué somos capaces de detectar en Ipsilum?

Se han entrenado varios modelos para la detección de un gran número de entidades cartográficas de tipo polígono, línea y punto. Algunas entidades requieren de la utilización de algoritmos geométricos adicionales para la optimización de la forma. También se ha entrenado un modelo para la detección de cambios en la cartografía.

 modelo Ipsilum

Por otro lado, el sistema es flexible de forma que se pueden entrenar nuevos modelos para la detección de nuevas entidades cartográficas de cualquier tipo. A continuación, se muestran ejemplos de entidades obtenidas en Ipsilum con nuestros modelos entrenados:

Edificaciones

  • Image 01
  • Image 02
  • Image 03
  • Edificaciones detectadas (en rojo)
  • Edificaciones detectadas (en amarillo)
  • Edificaciones detectadas (en amarillo)

Caminos y carreteras

  • Caminos y carreteras detectados por Ipsilum
  • Caminos y carreteras detectados por Ipsilum
  • Caminos y carreteras detectados
  • Caminos y carreteras detectados
 

Torres de alta tensión

 

  • Ipsilum y detección de torres de alta tensión
  • Ipsilum y detección de torres de alta tensión

Detección de entidades por IA en Ipsilum

Los modelos entrenados se pueden utilizar directamente con el módulo iTasker (módulo de geoprocesamiento en Ipsilum) para detectar las entidades asociadas a cada modelo en una zona de interés nueva en formato kml. Para ello se debe alimentar el sistema igualmente con la ortofoto y la información necesaria de esa zona.

 

iTasker, módulo de geoprocesamiento en Ipsilum
iTasker, módulo de geoprocesamiento en Ipsilum

 

Para más información haz clic en el Dossier Ipsilum IA

 

Luis Murat es Product Manager y consultor técnico en SRM Consulting, empresa desarrolladora de Ipsilum