Le satellite cube qui traitera à son bord des images complexes, permettant une détection beaucoup plus rapide des incendies depuis l’espace. Crédit : SmartSatCRC, édité
Les satellites cubiques basés sur l’IA révolutionnent la détection des feux de brousse en Australie en traitant rapidement et efficacement les images provenant de l’espace. La technologie devrait être opérationnelle d’ici 2025 et pourrait être commercialisée pour améliorer la réponse rapide aux incendies et aux catastrophes.
Les scientifiques australiens se rapprochent de la détection des feux de brousse en un temps record, grâce à des satellites cubiques dotés d’une IA embarquée. Ils sont désormais capables de détecter les incendies depuis l’espace 500 fois plus rapidement que le traitement traditionnel des images au sol.
Les chercheurs en télédétection et en informatique ont surmonté les limites du traitement et de la compression de grandes quantités d’images hyperspectrales à bord de satellites cubiques plus petits et plus rentables avant de les envoyer au sol pour analyse, économisant ainsi du temps et une énergie précieuse.
Détection d’incendie basée sur l’IA
Cette avancée, utilisant l’intelligence artificielle, permettra de détecter plus tôt les feux de brousse depuis l’espace, avant même qu’ils ne s’installent et ne génèrent de grandes quantités de chaleur, permettant ainsi aux équipes sur le terrain de réagir plus rapidement et d’éviter les pertes de vies et de biens.
Un projet SmartSat financé par le CRC et dirigé par l’Université d’Australie du Sud (UniSA) a utilisé une technologie d’IA embarquée de pointe pour développer un système de détection précoce de fumée d’incendie économe en énergie pour le premier cube satellite d’Australie du Sud, Kanyini.
Lancement de la mission Kanyini
La mission Kanyini est une collaboration entre le gouvernement sud-africain, SmartSat CRC et des partenaires industriels pour lancer un satellite CubeSat 6U en orbite terrestre basse afin de détecter les feux de brousse et de surveiller la qualité des eaux intérieures et côtières.
Équipé d’un imageur hyperspectral, le capteur satellite capture la lumière réfléchie par la Terre dans différentes longueurs d’onde pour générer des cartes de surface détaillées pour diverses applications, notamment la surveillance des feux de brousse, l’évaluation de la qualité de l’eau et la gestion des terres.
Améliorer l’imagerie et le traitement des satellites
Le Dr Stefan Peters, chercheur géospatial principal à l’UniSA, affirme que, traditionnellement, les satellites d’observation de la Terre ne disposent pas des capacités de traitement embarquées nécessaires pour analyser des images complexes de la Terre capturées depuis l’espace en temps réel. réel.
Son équipe, qui comprend des scientifiques de l’UniSA, de l’Université de technologie de Swinburne et de Geoscience Australia, a surmonté ce problème en créant un modèle d’IA léger capable de détecter la fumée dans les limites du traitement embarqué, de la consommation d’énergie et des contraintes de stockage des données des satellites cubiques.
Efficacité et rapidité des modèles d’IA
Comparé au traitement au sol de l’imagerie satellitaire hyperspectrale pour détecter les incendies, le modèle d’IA embarqué a réduit le volume de données transmises à 16 % de sa taille d’origine, tout en consommant 69 % d’énergie en moins.
Le modèle d’IA embarqué a également détecté la fumée d’incendie 500 fois plus rapidement que le traitement au sol traditionnel.
« La fumée est généralement la première chose que vous pouvez voir depuis l’espace avant que le feu ne devienne suffisamment chaud et suffisamment grand pour que les capteurs puissent l’identifier. Une détection précoce est donc cruciale », explique le Dr Peters.
Simulation et formation de modèles d’IA
Pour démontrer le modèle d’IA, ils ont utilisé des images satellite simulées des récents feux de brousse en Australie, en utilisant apprentissage automatique pour entraîner le modèle à détecter la fumée dans une image.
« Pour la plupart des systèmes de capteurs, seule une fraction des données collectées contient des informations critiques liées à un objectif de mission. Les données ne pouvant être traitées à bord de gros satellites, elles sont toutes liées au sol où elles sont analysées, ce qui consomme beaucoup d’espace et d’énergie. Nous avons surmonté ce problème en entraînant le modèle à faire la différence entre la fumée et les nuages, ce qui le rend beaucoup plus rapide et efficace.
En utilisant un incendie passé dans le Coorong comme étude de cas, l’approche embarquée simulée de Kanyini AI a pris moins de 14 minutes pour détecter la fumée et envoyer les données à la station au sol du pôle Sud.
Perspectives d’avenir et commercialisation
« Cette recherche montre que l’IA embarquée présente des avantages significatifs par rapport au traitement traditionnel au sol », explique le Dr Peters. « Cela s’avérera non seulement inestimable en cas de feux de brousse, mais servira également de système d’alerte précoce pour d’autres catastrophes naturelles. »
L’équipe de recherche espère démontrer le système embarqué de détection d’incendie par IA en orbite en 2025, lorsque la mission Kanyini deviendra opérationnelle.
« Une fois que nous aurons résolu tous les problèmes, nous espérons commercialiser la technologie et l’utiliser sur une constellation CubeSat, dans le but de contribuer à la détection précoce des incendies en une heure. »
Les chercheurs ont publié les détails de leur expérience dans le dernier numéro de Journal IEEE sur des sujets sélectionnés en matière de Terre appliquée et de télédétection.
