超牛!分析卫星图片,简直无所不能!

简介:

没有人知道地球上还剩多少石油,也没有人能肯定地说出还有多少石油即将投放市场。初创公司Orbital Insight认为通过分析卫星图,问题将迎刃而解。


该公司的创始人是人工智能方面的专家吉米·克劳福德(Jimi Crawford)——他曾为美国航天局和谷歌工作。克劳福德解释说,通过分析大量带有非固定油盖的储油罐,该公司能够实现这一目标。储油罐内的油用尽后,油盖沉入罐内,阳光在罐内投下的阴影发生变化。通过探索阴影变化模式,分析人员能够估算出在所有受到该公司监控的储油罐中,还剩多少石油。


为了找到这些模式,Orbital Insight采用了脸书和谷歌一贯用来分析照片的一部分人工智能技术。不过,该公司并非想要搜集各种猫的图片,或者辨认出哪位醉酒的朋友出现在了你昨晚在酒吧拍的照片里,而是希望藉此技术来获取对全球经济产生影响的信息,比如石油盈余或短缺。



以上是Orbital Insight的人工智能技术有可能实现的一个方面。克劳福德说,公司目前已经就多个项目同几家对冲基金公司展开了合作,比如估算中国目前有多少建筑正在建造,俄罗斯上一季收获了多少粮食,全球各地的大卖场内停了多少辆车,这些数据有助于揭开人们的消费趋势。


图片来源:福布斯中文网


Orbital Insight刚从红杉资本(Sequoia Capital)牵头的一轮融资活动中筹得了850万美元。克劳福德希望Orbital Insight所能做的不仅仅是帮助投资者们做出更为明智的风投。他说:“我们正设法理解一些大规模趋势,将其整合起来,提供给企业和非政府机构等政策制定方和决策方。”比如,政府或环保组织就能够利用人工智能技术来监控森林砍伐状况。


政府和企业多年来一直在分析卫星图。不过,分析成本最近才降下来,使得Orbital Insight这样的企业能够每天获得最新的卫星图而不致破产。很大程度上,这得归功于“纳米卫星”的兴起。这种卫星受智能手机技术支持,价格相对低廉。一枚火箭可搭载多颗卫星,所以建造和发射成本较低。Spaceflight Services执行总裁杰森·安德鲁斯(Jason Andrews)说,视卫星大小,发射费用为30万至200万美元不等,可将其发射至任何地方。该公司致力于提供卫星制造、发射和通讯服务。


这些卫星的功能并没有传统卫星那么强大,不过足以在太空里拍摄图片了。安德鲁斯说:“拍摄卫星图以往要花费数千美金,而且一个月后才能拿到这些图片。”所以你在谷歌地球里看到的图片并不是每天都更新的。不过SkyBox(去年被谷歌所收购)和Planet Labs等公司以较低的价格推出了每日更新卫星图的服务。


纳米卫星的兴起促使克劳福德创立了Orbital Insight。不过他并没有独立制造卫星的打算,而是决定把重点放在软件方面。他所领导的团队正利用各种机器学习和计算机视觉技术来自动分析从图片公司收集到的照片,其中也包括深度学习技术——人工智能领域的一个分支,脸书和谷歌等公司都已沉迷其中。


“当初在NASA,问题在于大部分预算都被硬件占据了,”克劳福德说道,“要想建立一个硬软件都涉及的世界一流企业,是极其困难的。所以,就让专门的硬件企业去做硬件,我们自己就努力成为最棒的软件企业。


补充阅读

看完此篇文章,小编第一个问题就是:地球上空到底有多少颗卫星呢?2013年的数据是,人造卫星已达到800多颗。美国拥有的卫星数量位列榜首,有413颗,超过其他国家的卫星总和 。 人造卫星分三大类:科学卫星,技术试验卫星和应用卫星。但是地球上空不仅有人造卫星,还有“太空垃圾”,下图是欧洲航天局地面控制公布的电脑模拟的“太空垃圾”图。




原文发布时间为:2015-03-24

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
开发工具 git
git clone TimeOut 无法下载 git 设置代理
git clone TimeOut 无法下载 git 设置代理
392 0
|
Android开发 开发者
Android Split APK介绍
【2月更文挑战第5天】
|
JavaScript 前端开发 Dubbo
注册中心设计 Ap 与 CP 区别|学习笔记
快速学习注册中心设计 Ap 与 CP 区别
1183 0
注册中心设计 Ap 与 CP 区别|学习笔记
|
机器学习/深度学习 算法 存储
一文读懂大规模图神经网络平台AliGraph
2019阿里云峰会·上海开发者大会于7月24日盛大开幕,本次峰会与未来世界的开发者们分享开源大数据、IT基础设施云化、数据库、云原生、物联网等领域的技术干货, 共同探讨前沿科技趋势。本文整理自开源大数据专场中阿里巴巴资深技术专家李永先生的精彩演讲,将为大家分享AliGraph:大规模图神经网络平台。
8976 0
|
9月前
|
人工智能 智能设计 数据可视化
AIGC设计点亮巴黎奥运AI科技之旅
AIGC设计点亮巴黎奥运AI科技之旅
|
数据采集 JSON 数据可视化
PLC 西门子s7-200 轻松数据上云
​ 在在工业场景中,经常会使用到PLC进行各种设备的数据采集和控制。本教程介绍使用海创边缘网关配置s7-200 smart跑马灯场景效果,并实现数据上传海创物联网平台和阿里云物联网,实际项目中可能更多是跟MES相关系统进行对接,但技术逻辑相同,可参考!
7452 0
|
存储 数据可视化 数据库
Grafana数据可视化工具安装与应用
关键词:Grafana、Elasticsearch、Table、Gauge、BarGrauge、Graph、PieChart、Variables。
5776 0
Grafana数据可视化工具安装与应用
|
存储 分布式计算 Hadoop
【Hadoop生态】HDFS入门,看完就懂
HDFS的入门,一片就够了,有实操,有理论
788 0
【Hadoop生态】HDFS入门,看完就懂
|
数据处理 C#
基于C#的ArcEngine二次开发39:GP工具的使用--界面、参数及示例代码
基于C#的ArcEngine二次开发39:GP工具的使用--界面、参数及示例代码
基于C#的ArcEngine二次开发39:GP工具的使用--界面、参数及示例代码
|
XML 移动开发 网络协议
mPaas-H5离线包常用排查工具
工欲善其事,必先利其器。应用开发和问题排查的方法论完全不一样,应用开发强调的是从无到有的构建方法,而问题排查强调的是抽丝剥茧的分析之法。问题排查的基础是建立在对程序”预期行为“的理解和掌握上,任何偏离预期的行为都是解决问题的线索。程序的”行为“活动除了问题本身的症状表象,更多的内容则记录和体现在内部或外部日志中,从日志中观察异常行为,再作出合理推测是排查过程的基本要素。在离线包相关问题的排查中,内部日志主要是app控制台日志,H5页面控制台日志;外部日志主要包括:HTTP应用层网络包和TCP层网络包。根据症状正确地使用工具去捕获到合适的日志是问题分析的基石。这一章节主要介绍三个实用工具的具体使
1029 0
mPaas-H5离线包常用排查工具