BAMJO

På NR har vi mer enn 40 års erfaring med å utvikle og tilpasse algoritmer og metodikk for bildeanalyse, maskinlæring og jordobservasjon. Vår praktiske kompetanse dekker et bredt spekter av bruksområder, og deteksjon, karakterisering og objektgjenkjenning er ofte sentrale temaer i prosjektene våre. Metodene våre brukes i flere sektorer, blant annet helse, transport, energi, hav, teknologi, klima og miljø. Vi lykkes med enkle, men effektive løsninger som kombinerer metodiske tilnærminger med forkunnskap, relevant kontekst og observerte data.

Bildeanalyse

Vi ulike metoder for deteksjon, karakterisering og gjenkjenning av ulike typer bildedata som er innhentet fra kameraer og sensorer.

Innen medisinsk bildeanalyse utvikler vi metoder for automatisk deteksjon av ulike sykdommer,. Blant annet bruker vi maskinlæring for å screene mammografier og automatisere hjerteultralyd. Automatisering av enkelte prosedyrer vil føre til mer effektive diagnostiske prosesser og frigjøre tid og ressurser for helsepersonell, samtidig som våre løsninger opprettholder et nivå av presisjon og pålitelighet som er grunnleggende i pasientbehandling.

Innen marinesektoren bruker vi dyp læring for å utvikle metoder for analyse og uttrekk av ulike marine bildedata, som undervannsvideoer, sonarakustikk, mikroskopiske bilder, og dronebilder av sjøpattedyr. Vi samarbeider tett med partnere i marineindustrien for å beregne fiskebestander, overvåke økosystemer og sikre bærekraftig fiske og høsting.

Vi utvikler også algoritmer for inspeksjon av infrastruktur, som for eksempel gjenkjenning av feil på jernbanen, ved å analysere bilder fra kameraer montert på tog og droner. Regelmessige kontroller av jernbanen er avgjørende for å sikre trygge og pålitelige systemer, og automatisering har stort potensial for å redusere kostnader og effektivisere arbeidet.

Jordobservasjon

NR har vært en viktig aktør innen jordobservasjon siden 1980-tallet, da Norge først rettet oppmerksomheten mot fjernmåling via satellitter. Vi analyserer digitale fjernmålingsdata fra satellitter, fly og droner, og utvikler metoder, algoritmer og verktøy for objektgjenkjenning, klassifikasjon og beregning av parametere basert på fysiske modeller. Vårt mål er å drive ledende forskning og utvikling innen fjernmåling for miljø- og klimaovervåking, samt i kartlegging og overvåking av naturressurser og menneskeskapte objekter.

Kunstig intelligens, spesielt dyp læring, har utvidet mulighetene for fjernmåling til mange nye og spennende anvendelsesområder. Vi tok en ledende rolle på dette feltet tidlig, og metoder basert på dype nevrale nettverk brukes nå i de fleste av våre prosjekter.

Satellitter gir oss enestående muligheter for rask og gjentagende kartlegging og overvåking globalt, og har i flere tiår levert daglige oppdateringer om land, hav, atmosfære og menneskelig aktivitet. Opprinnelig var oppløsningen grov, men vi nærmer oss nå et punkt der hele kloden kan kartlegges med en romlig oppløsning på rundt en meter. Med fly kan vi oppnå enda finere oppløsning, ned til noen få centimeter, og droner gjør det mulig å observere med presisjon på millimeternivå.