Aktualności
Europejskie technologie w obronie i przestrzeni kosmicznej
Wizyta komisarza Andriusa Kubiliusa w CloudFerro potwierdza znaczenie europejskich technologii dla bezpieczeństwa i gotowości operacyjnej Europy.
AI w obserwacji Ziemi
Dane satelitarne gotowe do pracy z AI
Budowanie i wdrażanie modeli AI na danych satelitarnych w dużej skali: embeddingi, zbiory treningowe i alerty o anomaliach przetwarzane na CREODIAS. Bez transferu danych, szybciej do gotowego modelu i niższy próg wejścia.
- 40 miliardów opublikowanych embeddingów
- Zero transferu danych na zewnątrz
- Otwarte modele albo własny model
Przegląd rozwiązania
Budowanie i wdrażanie modeli AI na danych satelitarnych w dużej skali
AI w obserwacji Ziemi to warstwa AI zbudowana na CREODIAS. Obejmuje dane gotowe do analizy, gotowe embeddingi, monitoring anomalii i narzędzia do tworzenia zbiorów treningowych. Działa na GPU CloudFerro, obok archiwum EODATA, więc cały pipeline zostaje na jednej platformie.
Embeddingi z Sentinel-1 GRD i Sentinel-2 L1C/L2A w formacie GeoParquet, COG lub ZARR
Wykrywanie anomalii w szeregach czasowych embeddingów, w subskrypcji dla wybranego obszaru zainteresowania
Dane treningowe gotowe dla AI: zbiory treningowe dostępne w archiwum EODATA
Dane wejściowe gotowe do analizy: maski chmur dla Sentinel-2, Sentinel-1 RTC i kostki danych ZARR v3
Twoje Korzyści
Więcej czasu na model, mniej na pipeline
W AI dla obserwacji Ziemi najtrudniejszy rzadko bywa sam model. Trudne jest wszystko, co dzieje się przed nim.
Dane nie opuszczają platformy
Dostęp do danych, generowanie embeddingów, trening i inferencja działają w całości na CREODIAS. Bez rachunków za egress, bez czekania na transfer i bez kopii rozsianych po różnych dostawcach.
Embeddingi w kilka minut
Gotowe embeddingi i zbiory danych usuwają najwolniejsze etapy pracy z AI w obserwacji Ziemi. Zespół pracuje nad modelem, zamiast walczyć z danymi.
Bez własnego zespołu ML
Gotowe embeddingi, zbiory danych w modelu freemium i generowanie zbiorów bez kodu otwierają drogę analitykom i ekspertom dziedzinowym, także bez doświadczenia w uczeniu maszynowym.
Jeden pilotaż albo cały kraj
Te same procesory obsłużą test na jednej scenie i operacyjny pipeline w skali kraju. Można zacząć od małej skali na kredytach testowych i rosnąć na tym samym stacku technologicznym.
Europejskie dane, europejskie zasady
Działa na CREODIAS, w centrach danych w UE, a całość prowadzi firma z UE. Żadnych transferów przez Atlantyk, co ma znaczenie, gdy suwerenność jest twardym wymogiem.
Zastosowania
AI i dane satelitarne w praktyce
Cztery zastosowania, w których dane satelitarne pomagają szybko podejmować decyzje, także dla całego regionu czy kraju.
Wczesne ostrzeganie o zmianach w środowisku
System wykrywania anomalii dla wybranych obszarów zainteresowania, który wysyła alert przy zmianie sygnalu: przy wylesianiu, powodziach, pogorzeliskach czy zmianach pokrycia terenu. Bez budowania własnego systemu monitoringu.
Modelowanie upraw, plonów i pokrycia terenu
Embeddingi służą jako gotowe cechy do mapowania typów upraw, prognozowania plonów, analizy zmian pokrycia terenu i ryzyka w rolnictwie. Model uczy się na wyodrębnionych już sygnałach, a nie na surowych danych.
Monitoring infrastruktury i granic
Zmiany przy infrastrukturze, granicach i obiektach krytycznych widać w szeregach czasowych Sentinel-1 i Sentinel-2. Przetwarzanie zostaje na infrastrukturze w UE.
Wyszukiwanie obrazów po opisie
Zdjęć satelitarnych można szukać tak, jak w zwykłej wyszukiwarce: po opisie albo po przykładowym obrazie. Pod spodem działają modele multimodalne i gotowe indeksy FAISS. Na razie jako demo.
Jak to działa
Cztery warstwy przetwarzania
Każda warstwa korzysta z wyników poprzedniej. Na samym dole są surowe dane Copernicus, a na górze gotowe embeddingi, alerty i zbiory treningowe.
Punkt wyjścia: archiwum
Dane Sentinel-1, Sentinel-2, VHR, DEM i pokrycia terenu są czytane bezpośrednio z repozytorium EODATA na CREODIAS. Bez pobierania i bez kopii pośrednich.
Dane gotowe do analizy
Procesory bazowe maskują chmury na obrazach Sentinel-2, na żądanie wykonują korekcję terenową Sentinel-1 i budują kostki danych ZARR v3. To czyste dane wejściowe, bez których AI nie działa niezawodnie.
Generowanie embeddingów
Model z katalogu (backendy TorchGeo i TerraTorch) albo własny. Wystarczy wskazać obszar i zakres czasu, a embeddingi trafiają w formacie GeoParquet, COG lub ZARR.
Monitoring, wyszukiwanie, inferencja
Wykrywanie anomalii i wyszukiwanie semantyczne działają na gotowych embeddingach. Opcjonalnie: API do inferencji, superrozdzielczość dla Sentinel-2 i wykrywanie obiektów na obrazach VHR.
Wszystko, czego potrzebujesz
Standard
- Embeddings Processor: embeddingi oparte na fragmentach obrazu (patch-based) i pikselowe TESSERA, Sentinel-2 i Sentinel-1 GRD
- Gotowe embeddingi ogólnego przeznaczenia
- Anomaly Detection Service (subskrypcja dla wybranego obszaru zainteresowania)
- Portfolio zbiorów treningowych AI
- MajorTOM-as-a-Service (beta)
- Cloud Mask Processor (Sentinel-2, SEnSeIv2)
- Data Cubes Processor (S1, S2, ESA Land Cover, DEM, ZARR v3)
Dodatki
- Generowanie embeddingów własnym modelem (Bring-Your-Own-Model, BYOM)
- Super-Resolution Processor (Sentinel-2)
- Embeddingi i wykrywanie obiektów dla obrazów VHR i z dronów
- Inference Models API
- S1 RTC/ARD/NRB Processor
Komponenty
Zbudowane na produktach CloudFerro
Produkty i usługi EO
Katalog danych EO
Uzyskaj dostęp do obszernych zbiorów danych EO i przetwarzaj je bezpośrednio w chmurze — szybko, elastycznie i bez konieczności ich pobierania.
Storage
Object Storage
Zarządzaj kontenerami i bucketami Object Storage, korzystając z dostępu do danych zgodnego z S3 i Swift.
Moc obliczeniowa
Usługi GPU
Uruchamiaj obciążenia AI, ML i HPC na wysokowydajnych zasobach GPU w chmurze CloudFerro.
Produkty i usługi EO
Managed Notebooks
Zacznij pracę od razu w zarządzanym środowisku JupyterLab, bez konfiguracji. Korzystaj z gotowych bibliotek do machine learningu i data science oraz wybieraj notebooki z zasobami CPU lub GPU.
Case Study
Sprawdzone w skali całej planety
Technologia embeddingów, na której opiera się to rozwiązanie, przetworzyła już archiwum Copernicus w skali globalnej: otwarcie i razem z ESA.
Pierwszy globalny zbiór embeddingów AI, przygotowany z ESA Φ-lab
Wspólnie z ESA Φ-lab przekształciliśmy 147 TB danych Copernicus w ponad 40 miliardów embeddingów AI. To pierwszy otwarty, globalny zbiór tego typu, bezpłatnie dostępny na CREODIAS i Hugging Face.
Aplikacja demonstracyjna Anomaly Watch
Anomaly Watch wykrywa zmiany powierzchni terenu, od pożarów i powodzi po nową zabudowę. Każdą lokalizację porównuje z jej własną historią sezonową.
Aplikacja demonstracyjna do wyszukiwania podobnych obrazów
Similarity Search pozwala znaleźć zdjęcia satelitarne na podstawie samego opisu, np. „flooded fields” albo „solar farm”. Narzędzie korzysta z embeddingów wizyjno-językowych SkyCLIP dla danych Sentinel-2 z całej Europy.
Certyfikaty
Zgodność z regulacjami
ISO/IEC 27001 / 27017 / 27018
Standardy bezpieczeństwa, prywatności i ochrony danych w środowisku chmurowym.
C5 Attestation
Niezależnie audytowane bezpieczeństwo chmury zgodne z wymaganiami BSI.
BSI 200-1
Bezpieczeństwo informacji oparte na uznanym niemieckim standardzie BSI IT-Grundschutz.
Świadectwo bezpieczeństwa przemysłowego III stopnia
Uprawnienie do ochrony informacji niejawnych UE do poziomu EU SECRET.
Najczęściej zadawane pytania
O to zespoły EO pytają najpierw
Co inżynierowie ML, architekci i kierownicy projektów chcą wiedzieć przed pilotażem. Jeśli brakuje tu jakiegoś pytania, odpowie na nie nasz zespół data science.
Inne rozwiązania
Payload Data Ground Segment
Przyspiesz przetwarzanie i udostępnianie danych satelitarnych dzięki zintegrowanemu środowisku do ingestii, przetwarzania, archiwizacji i dystrybucji danych EO.
EO Data Platform
Przetwarzaj duże zbiory danych EO bez ich pobierania, korzystając z zasobów obliczeniowych dostępnych bezpośrednio przy danych.
Globalne embeddingi AI w obserwacji Ziemi
Wykorzystaj gotowe embeddingi EO do szybszej analizy danych satelitarnych, trenowania modeli AI i odkrywania wzorców bez przetwarzania surowych danych od zera.