KI SpotlightNewsCambridge-KI kartiert Erdnussfelder im Senegal mit 84 Prozent Genauigkeit
Open-Source-Modell Tessera nutzt selbstüberwachtes Lernen und benötigt nur einen Bruchteil der Rechenressourcen und gelabelten Daten.
Mit KI erstellt◆ Fakten auf einen Blick
- Tessera ist ein Open-Source-KI-Modell der University of Cambridge, das Satellitenzeitreihen (Sentinel-1/2) in kompakte Embeddings umwandelt.
- Die Senegal-Studie nutzte Tessera, um Feldfrüchte im Erdnussbecken zu kartieren.
- Tessera erreichte in Tests eine Genauigkeit von 84 %.
- In einem Szenario war Tessera 28 % genauer als das nächstbeste Modell.
- Tessera benötigte nur einen Bruchteil der Rechenressourcen und vorab gelabelten Daten.
- Das Modell verarbeitet ein Jahr Satellitenbilder und erzeugt 10-m-Embeddings.
1 – Cambridge-KI kartiert Erdnussfelder im Senegal mit 84 Prozent Genauigkeit
Forschende der University of Cambridge haben mit dem Open-Source-KI-Modell Tessera kleinbäuerliche Anbauflächen im Senegal kartiert und dabei eine Genauigkeit von 84 Prozent erreicht. Das Modell verarbeitet ein ganzes Jahr Satellitenbilder und wandelt jedes 10-Meter-Segment in zeitliche Daten-Embeddings um. Ein leichter Algorithmus benötigt dann nur wenige Kalibrierungspunkte, um großflächige Klassifikationen zu erstellen. Die Studie erschien am 29. September in Environmental Research: Food Systems.
2 – Weniger Trainingsdaten und Rechenaufwand als bisherige Methoden
Im Vergleich zu bisherigen Methoden benötigte Tessera nur einen Bruchteil der Rechenressourcen und vorab gelabelten Daten. Das Modell wurde selbstüberwacht auf Milliarden von Pixeln trainiert, ohne Labels zu benötigen, wodurch es mit minimalen gelabelten Daten auskommt. Die kompakten Embeddings sind zudem weitaus günstiger zu speichern und zu verarbeiten als Rohdaten. In einem zeitlichen Transfer-Szenario war Tessera 28 Prozent genauer als das nächstbeste Modell.
