Интеллектуальная программная система, основанная на сочетании передовых актуарных методах, моделях искусственного интеллекта и глубокого обучения, космических снимках и фундаментальных знаний о лесном хозяйстве для повышения точности.
Используются самые современные модули глубокого обучения Keras, TensorFlow, PyTorch, продвинутые модели по обработке спутниковых снимков Unet, позволяющие выполнять сегментацию изображений, точно определять границ лесных массивов.
Полная автоматизация сбора информации.
Наш программный комплекс работает 24/7, собирая данные со спутников, используя ноу-хау алгоритмы для удаления зашумлений, облачности, идентификации периодов аномального снижения фитомассы.
Разработчики – обладатели многолетнего опыт разработки нелинейных моделей, моделей машинного и глубокого обучения на Python, JavaScript, R, C++. Призеры хакатонов в области машинного обучения и анализа больших данных, олимпиад в сфере финансового моделирования и бизнес-анализа, авторы научных статей.
Работа с большими данными при помощи технологии Dask и кластеров Hadoop.
− Скорость обработки одной заявки (в расчете на 100 гектар леса): от 3 до 10 дней.
− Количество спектральных слоев космических снимков для анализа: от 6 до 15.
− Количество разработанных моделей, в частности, машинного обучения: от 3 до 8 (на базе UNET, Catboost, LinearRegression, XGBOOST, LGBM, H20, KNN).
− Количество учитываемых в моделях экзогенных факторов: индексов вегетативной плотности, метеорологических, ландшафтных характеристик, прочих: от 10 до 40.