Satellietbeelden worden sinds vele jaren ingezet om informatie te verzamelen over het aardoppervlak en de menselijke activiteiten die zich daar afspelen. Tot voor kort waren experten aangewezen op software die bepaalde ruimtelijke patronen herkent en afbakent. Deze Object Based Image Recognition betekende een belangrijke stap voorwaarts in het versnellen van de informatieverwerking. Het nadeel is dat nog relatief veel menselijke interventies vereist zijn en dat de verwerkingslogica voor elk project opnieuw moet worden ingesteld en getest. Bovendien vraagt de verwerking van de informatie enorm veel rekenkracht van de computers die hiervoor ingezet worden.

Machine learning snelt ter hulp

De doorbraak van artificiële intelligentie - meer bepaald machine learning - betekent een enorme stap voorwaarts in de verwerking van grote hoeveelheden informatie.  GIM's data scientists zetten een reeks verwerkingsketens op die aan de hand van computervisie hogekwaliteits lucht- en satellietbeelden scannen op de aanwezigheid van objecten zoals gebouwen, vegetatie, verharde en onverharde oppervlakken, enzovoort.

Het model werd voor deze toepassing getraind om de typische kenmerken van sloppenwijken volledig automatisch te herkennen: nauwe steegjes, kleine aaneengesloten woningen met een grote variatie aan dakstructuren.

Belgische knowhow wereldwijd ingezet

GIM zette deze technologie in voor het afbakenen van sloppenwijken in Manilla (Filipijnen), Ho-Chi-Minh Stad (Vietnam) en Latijns Amerika. Voor Manilla en Ho-Chi-Minh Stad werkte GIM in opdracht van de UNDP (United Nations Development Program,) terwijl in Latijns Amerika de Inter-American Development Bank (IDB) aan het stuur zit.

Het grote voordeel van de gebruikte methode is dat - eens ontwikkeld - het model makkelijk kan worden overgedragen naar een andere regio of continent. Dankzij machine learning verloopt het opsporen van dergelijke informele bewoning dan ook nauwkeuriger, sneller en makkelijker. Bovendien krijgen de gebruikers een uitgebreide toolbox ter beschikking om de software voor bijkomende locaties in te zetten of om de evolutie doorheen de tijd te monitoren. Tot slot is deze toolbox gebaseerd op open-source tools, wat de gekozen technologie ook bijzonder interessant maakt voor NGO’s die vaak opereren in regio’s waar minder financiële middelen voorhanden zijn.  

Meer weten over de inzet van geoAI voor de detectie van objecten?

Contacteer GIM vrijblijvend of bekijk ons webinar over de inzet van artificiële intelligentie voor geodata.