DroneKnowledge – Kohti tietämysperusteista UAS kaukokartoitusta (DroneKnowledge)
Päärahoittaja
Rahoittajan antama koodi/diaarinumero: 1711/31/2016
Päärahoittajan myöntämä tuki (€)
- 363 000,00
Rahoitusohjelma
Hankkeen aikataulu
Hankkeen aloituspäivämäärä: 25.01.2017
Hankkeen päättymispäivämäärä: 31.12.2018
Tiivistelmä
DroneKnowledge on Maanmittauslaitoksen paikkatietokeskuksen, Jyväskylän yliopiston Tietotekniikan laitoksen ja Luonnonvarakeskuksen hanke Tekesin Challenge Finland kilpailussa. Kilpailun ensimmäisessä vaiheessa haettiin kaupallistettavia ratkaisuja merkittäviin ongelmiin. Sen tavoitteena on yhdistää tehokkaasti suomalaista huippututkimusta ja yritysten tutkimus- ja kehittämistyötä. Kilpailulla vauhditetaan uusien suomalaisten vientituotteiden ja palvelujen löytämistä. Suomalaiset tutkijat ja yritykset ovat tehneet kansainvälisesti johtavia innovaatioita ja avauksia sUAS kaukokartoituksen alueella, erityisesti edulliset ja keveät hyperspektrikuvaus- ja laserkeilausteknologiat. Ominaista sUAS kaukokartoitusaineistoille ovat äärimmäisen tarkka spatiaalinen erotuskyky, valtavat datamäärät sekä epävakaista alustoista ja kuvausolosuhteista johtuvat geometriset ja radiometriset epävarmuudet. Käytännön sovellukset puolestaan vaativat massiivisten datamäärien lähes reaaliaikaista ja automaattista prosessointia sekä tulkintatulosten epävarmuuden tuntemista.
Monitieteisen tutkimuskonsortion esittämä tutkimushaaste liittyy pieniin miehittämättömiin lentolaitteisiin (sUAS, drone) perustuvaan kaukokartoitukseen, joka on nopeasti kehittyvää tekniikkaa. Droneteknologia mahdollistaa edullisen tiedonkeruun halutulla spatiaalisella ja ajallisella tarkkuudella, mikä avaa täysin uusia liiketoimintamahdollisuuksia useilla sovellusalueilla.
Monitieteisen tutkimuskonsortion esittämä tutkimushaaste liittyy pieniin miehittämättömiin lentolaitteisiin (sUAS, drone) perustuvaan kaukokartoitukseen, joka on nopeasti kehittyvää tekniikkaa. Droneteknologia mahdollistaa edullisen tiedonkeruun halutulla spatiaalisella ja ajallisella tarkkuudella, mikä avaa täysin uusia liiketoimintamahdollisuuksia useilla sovellusalueilla.
Vastuullinen johtaja
Päävastuullinen yksikkö
Liittyvät julkaisut ja muut tuotokset
- Chlorophyll Concentration Retrieval by Training Convolutional Neural Network for Stochastic Model of Leaf Optical Properties (SLOP) Inversion (2020) Annala, Leevi; et al.; A1; OA
- Multilabel segmentation of cancer cell culture on vascular structures with deep neural networks (2020) Rahkonen, Samuli; et al.; A1; OA
- Tree Species Identification Using 3D Spectral Data and 3D Convolutional Neural Network (2019) Pölönen, Ilkka; et al.; B3; OA