Zakończył się pierwszy etap budowy Systemu Automatycznego Monitorowana Przeszkód Lotniczych i Ewidencji, który wykorzystuje uczenie maszynowe i sieci neuronowe. Funkcją SAMPLE jest dostarczanie danych o przeszkodach lotniczych i ukształtowaniu terenu w pobliżu lotnisk i lądowisk. System przygotowuje informacje na podstawie satelitarnych obrazów Ziemi, zdjęć wykonanych przez drony i kamery wizyjne. Nad rozwiązaniem pracuje konsorcjum złożone z przedsiębiorstwa Creotech Instruments, producenta specjalistycznej elektroniki, firmy AP-Tech zajmującej się pisaniem oprogramowania dla lotnictwa i Polskiej Agencji Żeglugi Powietrznej.
![A propeller-driven plane(model:DASH8-400),arriving from Kagoshima to Tanegashima.](/uploads/2021/10/GettyImages-498115961-1000x667.jpg)
Rezultaty używania systemu
Skutkami wdrożenia SAMPLE, wynikającymi z udoskonalenia tras lotów, będą: mniejsze zużycie paliwa, redukcja dwutlenku węgla i obniżenie poziomu hałasu. Po wdrożeniu modułu umożliwiającego monitorowanie rzeczywistego ruchu, system będzie na bieżąco oceniał ryzyko, a także monitorował i raportował zdarzenia. Dotychczasowe prace nad systemem podsumowuje prezes firmy Creotech Instruments, Grzegorz Brona:
– Udało nam się opracować koncepcję metodyki detekcji przeszkód lotniczych z wykorzystaniem zobrazowań satelitarnych optycznych i radarowych. Zakończyliśmy także prace nad pozyskiwaniem danych z bezzałogowych statków powietrznych w celu opracowania mapy 3D przeszkód lotniczych.
![](/uploads/2021/10/sample.jpg)
Sztuczna inteligencja w zakładach produkcyjnych
Uczenie maszynowe, będące dziedziną sztucznej inteligencji, skupia się na algorytmach i systemach, które wraz ze zdobywanym doświadczeniem, podnoszą poziom swojej wiedzy i poprawiają wyniki obliczeń. W zakładach przemysłowych machine learning może być wykorzystywany w konserwacji zapobiegawczej. Stan maszyn może oceniać albo na podstawie danych historycznych, albo dzięki analizie informacji spływających w czasie rzeczywistym, o czym mówiła Agata Chudzińska z firmy Apollogic podczas konferencji poznańskiego Hubu Innowacji Cyfrowych. Algorytmy uczenia maszyn mogą służyć również do sterowania ruchem urządzeń – przykładem jest system regulujący szybkość przenośników taśmowych opracowany przez specjalistów Siemensa.