Copernicus Sentinel-5P phát hành dữ liệu đầu tiên

/in /by

Sau nhiều tháng thử nghiệm và đánh giá cẩn thận, dữ liệu đầu tiên về các chất gây ô nhiễm không khí từ vệ tinh Copernicus Sentinel-5P đã được phát hành. Những bản đồ đầu tiên này cho thấy một loạt các dấu vết các chất khí có ảnh hưởng đến chất lượng không khí như carbon monoxide, nitơ dioxide và ozone.

Ra mắt vào ngày 13 tháng 10 năm 2017, Sentinel-5P là vệ tinh Copernicus đầu tiên chuyên về giám sát khí quyển. Nó là một phần của “hạm đội” Sentinel do ESA phát triển cho chương trình giám sát môi trường của Liên minh châu Âu do Ủy ban châu Âu quản lý.

Philippe Brunet, Giám đốc Chính sách Không gian, Copernicus và Quốc phòng tại Ủy ban châu Âu, hoan nghênh việc phát hành các dữ liệu mới đã cho cái nhìn khái quát về ô nhiễm không khí trên phạm vi toàn cầu.

Chất lượng không khí kém là nguyên nhân làm mất đi cuộc sống của hàng triệu người mỗi năm, do đó điều quan trọng hơn bao giờ hết là chúng ta cần tìm ra những cách tốt hơn và chính xác hơn để theo dõi, giám sát chất lượng ô nhiễm không khí.

Nhờ công cụ Tropomi – phổ kế ảnh quang phổ tiên tiến nhất hiện nay – Sentinel-5P có thể cung cấp dữ liệu chi tiết và chính xác về khí quyển với độ phân giải lên đến 7 x 3,5 km, nó thậm chí có thể phát hiện ô nhiễm không khí trên từng thành phố. Tropomi cũng có khả năng xác định vị trí các chất gây ô nhiễm được phát ra.

Dữ liệu ban đầu đã cho thấy các chất gây ra ô nhiễm không khí được tạo ra bởi các thành phố lớn và các làn đường tàu thông qua các phép đo nitơ điôxít ở châu Âu, châu Phi, Trung Đông và Ấn Độ.

Những dữ liệu mới này cũng cho thấy việc di chuyển chuyển khí carbon monoxide từ Ấn Độ sang Trung Quốc và việc bịt lỗ ozone vào năm 2017.

Josef Aschbacher, Giám đốc Chương trình Quan sát Trái đất của ESA, nói thêm: “Tôi tự hào rằng chúng tôi hiện có một công cụ đo lường hiện đại cho phép chúng tôi thu thập dữ liệu chất lượng cao trên bầu khí quyển trên toàn thế giới hơn bao giờ hết.

Sau khi hoàn thành giai đoạn vận hành, dữ liệu Copernicus Sentinel-5P hiện đã có sẵn miễn phí.

Từ các nhà hoạch định chính sách và các cơ quan môi trường cho các nhà khoa học, người dùng có quyền truy cập vào sản phẩm cuối cùng giúp dự báo tốt hơn và giảm thiểu các vấn đề về chất lượng không khí.

Copernicus Sentinel-5P cũng sẽ đóng góp vào các dịch vụ như giám sát tro núi lửa cho an toàn hàng không và cảnh báo về bức xạ tia cực tím cấp cao.

Nguồn: Geospatial World

 

MIT: Phát triển các cảm biến RFID

/in /by

Nghiên cứu mới của Viện Công nghệ Massachusetts (MIT) nhắc nhở chúng ta về sức mạnh của sự đơn giản, chi phí thấp, đơn giản trong việc triển khai Internet of Things (IoT) trên quy mô lớn.

Ấn tượng như các công nghệ như robot và AI có thể được, những đổi mới như vậy thường được dành riêng cho những công ty có ngân sách ấn tượng như nhau. Tuy nhiên, khi chúng ta nghĩ về Internet of Things, hầu hết mọi người đều hình dung ra một thế giới mà ngay cả các vật phẩm phổ biến cũng được kết nối.

Tuy nhiên, nếu chúng ta xem IoT hoạt động ở các thành phố có quy mô lớn, chiếu sáng đường phố thông minh, quản lý giao thông và theo dõi chất thải hoặc ô nhiễm, hoặc các trang trại thông minh báo cáo điều kiện động vật, đất và cây trồng trên hàng chục địa điểm – công nghệ cốt lõi cần phải rẻ để triển khai và cung cấp năng lượng, và dễ bảo trì.

Các thẻ nhận dạng tần số vô tuyến (RFID) đi một số cách để đáp ứng nhu cầu này. Các biến thể thụ động không yêu cầu pin, thay vào đó thu thập ít năng lượng mà chúng cần từ sóng vô tuyến kết nối chúng. Tuy nhiên, cho đến nay, chúng đã được sử dụng rộng rãi để theo dõi danh tính, trạng thái và vị trí của những thứ như lô hàng hoặc vật nuôi.

Bây giờ họ có thể làm nhiều hơn nữa, theo MIT.

 

Thẻ RFID kết hợp cảm biến

Bây giờ các kỹ sư tại MIT đã tìm ra cách để cấu hình các thẻ RFID để hoạt động như các cảm biến. Phòng thí nghiệm tự động ID của MIT đã tiết lộ cấu hình cảm biến thẻ RFID siêu cao tần mới có thể cho phép phát triển các thiết bị liên tục, chi phí thấp, đáng tin cậy phát hiện các hóa chất độc hại trong môi trường.

Hiện nay, thiết bị đã được sử dụng để cảm nhận sự tăng đột biến của glucose và truyền thông tin này không dây, nhưng các nhà nghiên cứu của MIT hiện đang điều chỉnh thẻ để phát hiện các hóa chất trong khí quyển, chẳng hạn như carbon monoxide.

Sai Nithin Reddy Kantareddy, một sinh viên tốt nghiệp tại Khoa Kỹ thuật Cơ khí của MIT, cho biết: “Mọi người đang tìm kiếm nhiều ứng dụng hơn như cảm biến để nhận được nhiều giá trị hơn từ cơ sở hạ tầng RFID hiện có.

Hãy tưởng tượng tạo ra hàng ngàn cảm biến thẻ RFID rẻ tiền mà bạn có thể gắn vào tường của cơ sở hạ tầng hoặc các vật thể xung quanh để phát hiện các loại khí phổ biến, như khí cacbon monoxide hoặc amoniac mà không cần thêm pin. Bạn có thể triển khai những thứ này với giá rẻ, qua một mạng lưới khổng lồ.

Kantareddy đã phát triển cảm biến với Rahul Bhattacharya, một nhà khoa học nghiên cứu trong nhóm, và Sanjay Sarma, Fred Fort Flowers và Daniel Fort Flowers Giáo sư Kỹ thuật Cơ khí, và phó chủ tịch về học tập mở tại MIT.

Các nhà nghiên cứu đã công bố phát hiện của họ trong tuần này.

Trong khi những nỗ lực trước đây để mở rộng ứng dụng và giá trị của công nghệ RFID tập trung vào việc điều chỉnh ăng ten của thẻ để đáp ứng với những thay đổi về môi trường, nhóm của Sarma đã điều chỉnh chip bộ nhớ để nó chuyển đổi giữa các chế độ nguồn khi phát hiện các kích thích bên ngoài.

Điều này tránh được các sai sót của thiết kế trung tâm ăng-ten, dễ bị nhiễu do sóng vô tuyến nảy ra từ nhiều bề mặt, dẫn đến kết quả sai.

 

 

Nguồn: IoT futures: MIT develops RFID sensors, 3D-printed shape-shifters

Cảm biến chất lượng không khí của EarthSense khởi động chương trình không khí thải để giảm ô nhiễm không khí của thành phố

/in /by

Vương quốc Anh: Công nghệ giám sát chất lượng không khí từ EarthSense đã cung cấp dữ liệu thời gian thực cho các thử nghiệm sử dụng các phương tiện phát thải thấp để cải thiện chất lượng không khí tại các trung tâm thành phố bị ô nhiễm. Dữ liệu, được thu thập bởi cả cảm biến giám sát chất lượng không khí di động và tĩnh Zephyr của EarthSense , được sử dụng để tự động kích hoạt hoạt động của các xe hybrid không phát thải khi chúng đi qua một số đường phố bị ô nhiễm nặng nhất.

Là một phần của Dự án ACCRA (Các phương tiện tự trị và kết nối cho Không khí sạch hơn), dữ liệu được trình bày tại Hội nghị thành phố thông minh sạch; Cải thiện chất lượng không khí thông qua đổi mới công nghệ xe, được tổ chức tại Leeds vào ngày 14 tháng 6 năm 2018.

ACCRA là một dự án mười hai tháng, dẫn đầu bởi Cenex, Trung tâm xuất sắc đầu tiên của Anh về công nghệ carbon thấp, hợp tác với Hội đồng thành phố Leeds và Hệ thống vận chuyển Catapult. Sử dụng các bộ phận của Leeds Clean Air Zone, ACCRA đã sử dụng các phép đo ô nhiễm không khí trong thời gian thực, được EarthSense chụp, để kích hoạt chế độ chạy không phát thải trong một Xe điện mở rộng phạm vi 7,5 tấn (REEV) khi vào khu vực kiểm soát được chỉ định.

Trong thời gian thử nghiệm, cảm biến EarthSense được gắn ở các vị trí chính trong trung tâm thành phố cũng như trên các phương tiện đi lại trong khu vực. Dữ liệu từ các cảm biến được sử dụng để cập nhật một mô hình chất lượng không khí, theo thời gian thực, sau đó được sử dụng để điều chỉnh lượng khí thải của xe trong các khu vực bị ô nhiễm / chiếm ưu thế nhất.

“Đây là dữ liệu thời gian thực đầu tiên sử dụng từ cả cảm biến tĩnh và di động để tạo ra một mô hình chất lượng không khí động. Mô hình này sau đó được sử dụng để xác định vùng điều khiển, điều này sẽ tự động kích hoạt phát thải bằng không chạy trên xe tải. Khu vực này có thể được điều chỉnh, về vị trí, quy mô và thời gian, phù hợp với tình trạng chất lượng không khí theo thời gian thực và phù hợp với mục tiêu dự án cụ thể, ”Tom Hall, Giám đốc điều hành của EarthSense nhận xét. “Do đó, dự án ACCRA đã tạo thành công một sự kết hợp giữa công nghệ và chứng minh tiềm năng biến đổi Trung tâm thành phố Leeds và cứu sống mà không phải trả thêm phí cho người lái xe hoặc doanh nghiệp.”

Dự án mới hoàn thành ACCRA đã phát triển các sản phẩm và các giao thức truyền thông cho phép truyền dữ liệu giữa các phương tiện plug-in và các cảm biến chất lượng không khí. Dữ liệu này sau đó được sử dụng bởi một công cụ ra quyết định để theo dõi, quản lý và kiểm soát vị trí và thời gian hoạt động phát thải bằng không của các xe lai hybrid và mở rộng phạm vi trong phạm vi trung tâm thành phố hoặc khu vực được chỉ định khác. Các đối tác dự án khác bao gồm công ty công nghệ xe tải sạch Tevva và nhà phát triển hệ thống mạng lưới giao thông Dynniq.

ECOSTRESS: Vệ tinh theo dõi nhiệt độ và lượng nước sử dụng của cây trồng

/in /by

Các bác sĩ tìm hiểu về sức khỏe của bệnh nhân bằng cách lấy nhiệt độ của họ. Nhiệt độ cao, hoặc sốt, có thể là dấu hiệu của bệnh. Điều tương tự cũng xảy ra với thực vật, nhưng nhiệt độ của chúng trên quy mô toàn cầu khó đo hơn nhiệt độ của từng cá nhân.

Điều đó sắp thay đổi, nhờ có một thiết bị mới của NASA sẽ sớm được lắp đặt trên Trạm vũ trụ quốc tế có tên ECOSTRESS (ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station) trên Trạm vũ trụ. ECOSTRESS sẽ đo nhiệt độ của thực vật từ không gian. Điều này sẽ cho phép các nhà nghiên cứu xác định việc sử dụng nước của cây trồng và nghiên cứu các điều kiện hạn hán ảnh hưởng đến sức khỏe của cây trồng như thế nào.

Cây lấy nước từ đất, và khi chúng được làm nóng bởi Mặt trời, nước được giải phóng qua lỗ chân lông trên lá cây thông qua một quá trình gọi là thoát hơi. Điều này làm giảm nhiệt độ của cây xuống, giống như mồ hôi ở người. Tuy nhiên, nếu không có đủ nước cho cây trồng, chúng sẽ đóng lỗ chân lông để bảo tồn nước, khiến nhiệt độ của chúng tăng lên.

Thực vật sử dụng những lỗ chân lông tương tự để hấp thụ carbon dioxide từ bầu khí quyển để quang hợp – quá trình họ sử dụng để biến carbon dioxide và nước thành đường họ sử dụng làm thức ăn. Nếu họ tiếp tục gặp phải tình trạng thiếu nước, hoặc “căng thẳng nước”, họ cuối cùng chết đói hoặc quá nóng và chết.

Dữ liệu ECOSTRESS sẽ cho thấy những thay đổi của nhiệt độ cây trồng, cung cấp thông tin chi tiết về sức khỏe và sử dụng nước của chúng trong khi vẫn còn thời gian để các nhà quản lý nước điều chỉnh sự mất cân bằng nước nông nghiệp.

Simon Hook, người dẫn đầu dự ánECOSTRESS tại Phòng thí nghiệm phản lực của NASA ở Pasadena, California cho biết: “Khi một cây trồng bị stress đến mức nó chuyển sang màu nâu, thì thường quá trễ để phục hồi”. “Nhưng đo nhiệt độ của cây trồng, cho phép bạn thấy điều đó trước khi nó xảy ra.”

Các phép đo nhiệt độ này cũng được coi là chỉ báo sớm về hạn hán tiềm năng. Khi thực vật ở một khu vực nhất định bắt đầu có dấu hiệu của sự thiếu nước qua nhiệt độ cao, hạn hán có thể đang diễn ra. Có những dữ liệu này trước cho cộng đồng nông nghiệp một cơ hội để chuẩn bị và / hoặc trả lời cho phù hợp.

Mô phỏng dữ liệu nhiệt độ bề mặt đất ECOSTRESS xung quanh Biển Salton của California (khu vực màu xanh đậm, phía trên bên trái). Khu vực mát có màu xanh và màu xanh lá cây, các khu vực ấm hơn có màu vàng và đỏ. Khu vực phía nam hồ có màu xanh lá cây chủ yếu là các cánh đồng nông nghiệp, và các khu vực xung quanh khác là sa mạc. Dữ liệu nhiệt độ bề mặt đất ECOSTRESS sẽ được sử dụng để tạo ra một sản phẩm thoát hơi có thể được sử dụng để theo dõi sự căng thẳng của cây trồng
Credits: NASA / JPL-Caltech

“ECOSTRESS sẽ cho phép chúng tôi giám sát những thay đổi nhanh chóng về stress cây trồng ở diện rộng, cho phép ước tính chính xác hơn về sản lượng sẽ bị ảnh hưởng như thế nào”, Martha Anderson, một thành viên nhóm nghiên cứu khoa học ECOSTRESS thuộc Bộ Nông nghiệp Hoa Kỳ ở Beltsville, Maryland cho biết. . “Ngay cả sự căng thẳng về độ ẩm ngắn hạn, nếu nó xảy ra trong giai đoạn phát triển cây trồng quan trọng, có thể ảnh hưởng đáng kể đến năng suất.”

Trong năm tới, ECOSTRESS sẽ sử dụng quỹ đạo Trái đất thấp duy nhất của trạm vũ trụ để thu thập dữ liệu qua nhiều khu vực đất tại các thời điểm khác nhau trong ngày. Thiết bị này sẽ tạo ra những hình ảnh chi tiết của các khu vực nhỏ đến 43 thước (40 x 70 mét) – về kích thước của một trang trại nhỏ – cứ 3 đến 5 ngày một lần.

Các công cụ khác trong không gian có thể thực hiện các phép đo với cùng mức chi tiết hoặc vào các thời điểm khác nhau trong ngày – nhưng không phải cả hai. Khả năng kép của ECOSTRESS làm cho nó đặc biệt quan trọng đối với các nhà khoa học cố gắng hiểu rõ hơn về hệ sinh thái tự nhiên của chúng ta và những người khác làm việc để cải thiện an ninh lương thực và quản lý tài nguyên nước.

“Vì nguồn nước trở nên quan trọng hơn đối với dân số ngày càng tăng của chúng ta, chúng ta cần phải theo dõi chính xác lượng nước mà cây trồng của chúng ta cần,” theo lời của khoa học ECOSTRESS Josh Fisher của JPL. “Chúng ta cần phải biết khi nào cây cối trở nên dễ bị hạn hán, và chúng ta cần phải biết những phần nào của hệ sinh thái dễ bị tổn thương hơn do stress nước.”

Mặc dù không phải là một phần của nhiệm vụ chính của nó, dữ liệu nhiệt độ ECOSTRESS cũng sẽ có giá trị đối với các nghiên cứu khác yêu cầu thông tin nhiệt độ, chẳng hạn như phát hiện và mô tả núi lửa, cháy rừng và sóng nhiệt.

JPL đã xây dựng và quản lý sứ mệnh ECOSTRESS cho Khoa Khoa học Trái đất của NASA trong Ban Giám đốc Sứ mệnh Khoa học tại Trụ sở NASA ở Washington. ECOSTRESS được tài trợ bởi chương trình Pathfinder Khoa học Hệ thống Trái đất của NASA, được quản lý bởi Trung tâm Nghiên cứu Langley của NASA ở Hampton, Virginia.

Nguồn: GeoSpatialWorld

OGC thông báo tiếp nhận các nhận xét về tiêu chuẩn Web Feature Service 3.0

/in /by

Ngày 3/7/2018, Hiệp hội không gian địa lý mở (OGC) đã thông báo tiếp nhận các nhận xét của cộng đồng về phiên bản mới nhất của tiêu chuẩn Web Feature Service (WFS) 3.0. Việc phát triển WFS 3.0 sẽ được tiến hành một cách công khai với sự đóng góp từ cộng đồng không gian địa lý thông qua một kho lưu trữ trên GitHub và trong một sự kiện hackathon.

Web Feature Service (WFS) cung cấp khả năng truy xuất, tạo, sửa đổi và truy vấn dữ liệu không gian trên Web. Tất cả các phiên bản của tiêu chuẩn WFS cho đến nay đều sử dụng kiến ​​trúc Remote-Procedure-Call-over-HTTP với định dạng dữ liệu XML. Đây là một định dạng dữ liệu tiên tiến vào cuối những năm 1990 và đầu những năm 2000 khi WFS được thiết kế ban đầu. Phiên bản tiếp theo (WFS 3.0) được thiết kế để cung cấp một giải pháp thay thế hiện đại và phù hợp với kiến ​​trúc Web hiện tại và dữ liệu không gian OGC-W3C. Những thay đổi quan trọng liên quan đến kiến ​​trúc, mã hóa, tái sử dụng, mô đun hóa, lược đồ và bảo mật:

  • Kiến trúc: WFS hiện hỗ trợ và tương thích với HTTP và HTTPS. Tong phiên bản mới, HTTPS sẽ được sử dụng hiệu quả hơn. Ngoài ra, các tài nguyên được cung cấp bởi dịch vụ bao gồm các điều khiển hypermedia cũng sẽ được sử dụng để hỗ trợ người dùng WFS.
  • Mã hóa: Các phiên bản trước được gắn chặt với XML. Phiên bản này sẽ được thiết kế với HTML, JSON và XML. HTTP được thiết kế để hỗ trợ việc sử dụng nhiều định dạng và xác định các quy tắc máy chủ có thể trả về mà khách hàng có thể xử lý tốt nhất.
  • Tái sử dụng: Việc sử dụng các tài nguyên hoặc thành phần cụ thể của WFS sẽ được giảm thiểu và có thể sử dụng các tiêu chuẩn hiện có để thay thế như OpenAPI.
  • Modularization: phiên bản tiếp theo sẽ được mô đun hóa thành nhiều phần.
  • Các lược đồ: Các phiên bản trước đã yêu cầu các lược đồ XML cho tất cả các loại tính năng và các tài liệu XML hợp lệ. Trong phiên bản mới, các lược đồ có thể mở rộng và thay đổi tuy mục địch sử dụng
  • Bảo mật: WFS 2.0 không chỉ định cách các dịch vụ có thể được bảo mật và một số yêu cầu không tương thích với các dịch vụ bảo mật tiêu chuẩn. Việc sử dụng OpenAPI cũng sẽ giải quyết vấn đề này. WFS 3.0 có thể được bảo mật bằng cách sử dụng các lược đồ bảo mật thường được sử dụng trên Web ngày nay (ví dụ: OAuth2).

Việc triển khai WFS 3.0 sẽ không tương thích ngược với WFS 2.0. Tuy nhiên, một mục tiêu thiết kế là định nghĩa WFS 3.0 có thể được ánh xạ tới WFS 2.0. Tiêu chuẩn WFS là một tài liệu đa phần. Phần đầu tiên này xác định các khả năng cốt lõi mà mọi WFS đều hỗ trợ và bị hạn chế truy cập đọc dữ liệu không gian. Các khả năng bổ sung nhằm giải quyết các nhu cầu cụ thể trong các trường hợp đặc biệt. Ví dụ bao gồm hỗ trợ tạo và sửa đổi dữ liệu, mô hình dữ liệu phức tạp hơn, truy vấn phong phú hơn và hệ thống tham chiếu phối hợp bổ sung.

Tổng quan về hiện đại hóa WFS3.0, bao gồm các thay đổi quan trọng, có sẵn trong kho lưu trữ GitHub.

Nguồn: giscafe.com & OGC

Cray Inc giới thiệu bộ phần mềm Urika-CS hỗ trợ phát triển AI trên HPC

/in /by

Tập đoàn Cray – một nhà cung cấp siêu máy tính đang hỗ trợ các nhà phát triển ứng dụng đẩy nhanh việc nghiên cứu và phát triển AI bằng cách sử dụng nền tảng High Performance Computing (HPC). Trong Hội nghị Siêu máy tính Quốc tế tổ chức tại Frankfurt – Đức từ 24-28/6/2018, Cray đã giới thiệu bộ phần mềm Urika-CS cung cấp quyền truy cập vào các công cụ và khung công tác AI trên các cụm siêu máy tính dựa trên CPU CS và GPU.

Cray cho biết họ mong muốn tăng hiệu năng tính toán của AI. Cơ sở hạ tầng được đưa ra là tương đối phức tạp nhưng đảm bảo khả năng của các nhà phát triển với bát kỳ ứng dụng sử dụng AI nào. Bộ Urika-CS bao gồm quyền truy cập vào nền tảng phân tích dữ liệu Apache Spark và Dask (thư viện Python cho tính toán song song) trình phân phối Anaconda cho các thư viện trên ngôn ngữ lập trình Python; nền tảng tính toán BigDL và TensorFlow cho học sâu và các công cụ trực quan hóa dữ liệu như Juputer, Nootebook và TensorBoard.

Cray Urika-CS Software Suite

Bộ phần mềm này cũng bao gồm một khung đào tạo mô hình phân tán hướng đến TensorFlow nhằm thúc đẩy việc đào tạo các mô hình học tập sâu thông qua nền tảng siêu máy tính của Cray. Ngoài ra, một bộ công cụ được thiết kế để giảm thời gian cần thiết để tải xuống, cài đặt, thử nghiệm và gỡ lỗi các khung công tác AI. Cấu hình hạ tầng được thiết kế để có thể triển khai dễ dàng trên 2 môi trường: phát triển và sản xuất. Công ty cho biết: bộ Urika-CS có nghĩa là tối ưu hóa việc sử dụng máy tính không đồng nhất và cấu hình lưu trữ lai.

Nguồn: hpcwire.com

DigitalGlobe và CGIAR hợp tác phát triển các giải pháp học máy ứng dụng trong nông nghiệp trên nền tảng GBDX

/in /by

Mỹ: Các nhà khoa học địa không gian của CGIAR sẽ khai thác thư viện ảnh 100 petabyte của DigitalGlobe bằng cách sử dụng học máy và sức mạnh tính toán của nền tảng GBDX để tạo ra các bộ dữ liệu cơ sở phức tạp hơn trong nông nghiệp, giúp lập kế hoạch các dự án mới, giám sát sức khỏe cây trồng, năng suất cây trồng và tác động đến môi trường của nông nghiệp. Ngoài ra, GBDX sẽ thúc đẩy các nỗ lực nghiên cứu và phát triển của CGIAR nhằm cải thiện các sản phẩm thông tin nông nghiệp và tạo ra những sản phẩm mới.

Với sự hỗ trợ của nền tảng CGIAR cho dữ liệu lớn trong nông nghiệp, các nhà khoa học đang tận dụng GBDX để kiểm tra:

1. Sở hữu đất: thông qua xác định ranh giới đất, các nhà khoa học sẽ hỗ trợ các gia đình bảo vệ quyền sở hữu và giúp cộng đồng trưởng thành và thịnh vượng. Nhóm sẽ ứng dụng ở Ấn Độ, Ethiopia và Tây Phi trước tiên.
2. Ước tính năng suất và sản lượng cây trồng, đảm bảo an ninh lương thực.
3. Bảo tồn tài nguyên nước: các nhà khoa học sẽ mô hình hóa việc sử dụng nước và chất lượng của các lưu vực sông. Kết quả đầu ra sẽ được ghép nối với ảnh có độ phân giải cao để thông báo cho nông dân thời điểm thích hợp để tưới cho các cánh đồng của họ ở Nam Á.
4. Theo dõi sâu bệnh hại: Các nhà khoa học sẽ dự đoán sự lây lan của sâu bệnh hại và bệnh tật để có các biện pháp phòng ngừa sớm. Ban đầu họ sẽ tập trung vào sự lây lan của sâu armyworm ở châu Phi cận Sahara, vốn đã ảnh hưởng đến hàng chục quốc gia trong một năm.

Nguồn: DigitalGlobe and CGIAR partner to accelerate Machine Learning solutions for agriculture using GBDX

Quét 3D cho các cầu trượt siêu tốc

/in /by

Việc lắp đặt hoặc bảo dưỡng cầu trượt siêu tốc là một công việc quan trong trong ở các công viên giải trí. Công việc phải đảm bảo cho các cầu trượt vận hành tốt nhất với điều kiện tốc độ và lượng khách hằng ngày.

Tiến sĩ Masoud Sanayei tại Đại học Tufts, đã tiến hành nghiên cứu về giám sát sức khỏe cấu trúc của cầu trượt và các cấu trúc khác. Bằng cách sử dụng các dụng cụ như máy đo biến dạng, gia tốc kế, máy đo độ nghiêng, cặp nhiệt điện, cảm biến quang học và các hệ thống thu thập dữ liệu khác nhau, thu thập, đo lường và xử lý thông tin và đánh giá toàn diện tình trạng của các cấu trúc này.

Cụ thể, các mô hình máy tính của ông về các cấu trúc hiện có cần phải phải chịu các loạt tải trong mô phỏng hữu hạn để dự đoán các phản ứng hệ thống cấu trúc. Kết quả của các mô hình mô phỏng này cho thấy cấu trúc phản ứng như thế nào với việc lặp đi lặp lại theo chu kỳ chịu tải. Giáo sư Sanayei và sinh viên tiến sĩ của ông, Sofia Puerto Tchemodanova, đang có kế hoạch sử dụng dữ liệu này để dự đoán những khu vực nào của một cấu trúc có thể hưởng lợi từ việc nghiên cứu tải cho việc duy trì phòng ngừa tiềm năng.

Mặc dù tàu lượn không phải là cầu, nhưng nó vẫn là cấu trúc chịu lực; và giống như một chiếc xe tải, tàu lượn siêu tốc đi trên nó, tương tự như cầu. họ sử dụng dữ liệu được thu thập để phân tích ứng suất và cho sự an toàn và an toàn tối thượng của con người.

Để xác định sức khỏe của các cấu trúc, cần phải tạo ra một mô hình toán học dựa trên vật lý để giải thích và đánh giá phản ứng dự đoán của cấu trúc so với các phép đo thực tế của nó. Để thực hiện phân tích phần tử hữu hạn của mình trên tàu lượn siêu tốc Tiến sĩ Sanayei cần một mô hình 3D chi tiết của cấu trúc. Vì chúng không có trong mô hình CAD, East Coast Metrology được gọi để thực hiện một khảo sát chi tiết các cấu trúc. Tất cả các thành phần từ của hệ thống cần được ghi lại. Bên cạnh đó tích hợp thêm một cánh tay CMM (Máy đo tọa độ – Coordinate Measuring Machine) cầm tay của FARO Edge dùng để nhận biết chính xác các khu vực có nguy cơ cao.

 

Nguồn: Metrology News 

Công nghệ định vị được sử dụng như thế nào trong bóng đá?

/in /by

Công nghệ Goal-line đã được FIFA sử dụng vào World Cup năm nay điễn ra tại đất nước Nga với mục đích cung cấp kết quả chính xác về bàn thắng bằng cách xác định vị trí của toàn bộ quả bóng xem đã vượt qua khung thành hay chưa. Hai phương pháp chính được sử dụng đó là công nghệ camera và công nghệ từ trường.

Công nghệ dựa trên Camera:

Một số hệ thống sử dụng các máy camera ở các vị trí khác nhau để theo dõi bóng và sử dụng phần mềm chuyên dụng để đánh giá cảnh quay chậm từ tất cả các camera này. Bằng cách này, hệ thống có thể xác định xem toàn bộ quả bóng đã vượt qua vạch đích hay chưa. Hiện tại các hệ thống được cấp phép hoạt động với bảy máy ảnh cho mỗi quả bóng được và vị trí camera được đặt ở nơi có độ cao nhất có thể trong sân vận động.

Công nghệ dựa trên Từ trường:

Đối với các hệ thống sử dụng từ trường, cáp điện sẽ được đặt dưới lòng đất và xung quanh khung thành để tạo ra từ trường cùng với một cảm biến điện tử được đặt ở bên trong quả bóng. Sự tương tác giữa cảm biến trong quả bóng và từ trường được tạo ra thông qua các cáp ngầm cho phép phần mềm chuyên dụng có thể tính toán được vị trí chính xác của quả bóng và xác định xem liệu rằng tình huống trên sân có là bàn thắng hợp lệ hay không

Khi hai hệ thống này xác định tình huồng đó là bàn thắng, kết quả sẽ được truyền đến đồng hồ thông minh được các trọng tài sử dụng trong suốt quá trình diễn ra trận đấu. Các công nghệ này được áp dụng để giúp cho kết quả các trận đấu công bằng và chính xác hơn.

Nguồn: How positioning technologies are being used in soccer?

 

MIT giới thiệu robot được điều khiển bằng não

/in /by

Các nhà khoa học từ Phòng thí nghiệm trí tuệ nhân tạo và khoa học máy tính của MIT (CSAIL) đang dẫn đầu nghiên cứu về kiểm soát robot bằng cách sử dụng sóng não và các chuyển động tay đơn giản.

Công việc của họ được thiết kế để giảm bớt những thách thức phức tạp của các hệ thống điều khiển robot, thường đòi hỏi lập trình chuyên dụng và thậm chí khả năng xử lý ngôn ngữ.

Hệ thống mới cho phép người giám sát của robot sửa lỗi ngay lập tức và trực quan hơn, sử dụng kết hợp cử chỉ và tín hiệu não, mở đường cho robot hoàn toàn được kiểm soát não và vô số ứng dụng mới.

Theo MIT, hệ thống có thể phát hiện trong thời gian thực nếu người dùng nhận thấy robot gây ra lỗi. Giao diện đo lường hoạt động cơ bắp sau đó chọn cử chỉ tay của nhà điều hành để điều hướng qua danh sách các tùy chọn và chọn các hành động khắc phục cần thiết.

Nghiên cứu trước đây của nhóm nghiên cứu đã tạo ra một hệ thống phản hồi sóng não, sử dụng các thuật toán học máy mới có thể xử lý các tác vụ lựa chọn nhị phân đơn giản. Bây giờ họ đang xây dựng trên công việc đó để bao gồm các hoạt động đa lựa chọn, bao la tăng phạm vi tiềm năng của các hệ thống robot được điều khiển theo cách này.

Thời điểm của sóng não

Thử nghiệm mới nhất của MIT đã thấy một robot hình người được gọi là Baxter, từ Rethink Robotics, sử dụng một mũi khoan điện trên một trong ba mục tiêu có thể, được điều khiển bởi một nhà điều hành sử dụng giao diện mới.

Giám đốc CSAIL Daniela Rus, người giám sát công việc, đã nhận xét về ý nghĩa của nghiên cứu:

Công việc này kết hợp phản hồi điện não đồ (EEG) và điện tâm đồ (EMG) cho phép tương tác tự nhiên của người-robot đối với một bộ ứng dụng rộng hơn chúng ta có thể làm trước đó, chỉ sử dụng phản hồi EEG. Bằng cách bao gồm phản hồi cơ, chúng ta có thể sử dụng cử chỉ để chỉ huy robot không gian, với nhiều sắc thái và độ đặc hiệu hơn.

Công nghệ này thậm chí có thể nhận tín hiệu não của người dùng mới, có nghĩa là các ứng dụng trong tương lai có thể được triển khai nhanh chóng trong tương lai mà không cần đào tạo lâu dài và tốn kém.

Hầu hết các công việc trước đây trong khu vực nói chung liên quan đến các hệ thống chỉ có thể nhận ra tín hiệu não khi mọi người tập luyện để suy nghĩ theo những cách cụ thể – bằng cách nhìn vào các màn hình ánh sáng khác nhau đại diện cho một nhiệm vụ robot nhất định. Tuy nhiên, các loại ràng buộc đó là không thực tế trong hầu hết các triển khai trong thế giới thực.

Nghiên cứu mới nhất của MIT đã có thể vượt qua vấn đề này bằng cách sử dụng các tín hiệu não cụ thể được gọi là các tiềm năng liên quan đến lỗi (ErrPs), có thể được phát hiện khi mọi người nhận thấy những sai lầm. Khi hệ thống phát hiện ra một sai lầm như vậy, nó dừng lại để chờ hướng dẫn thêm từ người giám sát của nó.

Tác giả chính và ứng cử viên tiến sĩ Joseph DelPreto thấy đây là một bước đột phá quan trọng:

Điều tuyệt vời về phương pháp này là không cần huấn luyện người dùng suy nghĩ theo cách được quy định. Máy thích nghi với bạn, và không phải là cách khác.

“Bằng cách nhìn vào cả tín hiệu cơ và não, chúng ta có thể bắt đầu nhận các cử chỉ tự nhiên của một người, cùng với quyết định nhanh chóng của họ về việc liệu có điều gì đó không ổn,” anh giải thích. “Điều này giúp làm cho giao tiếp với một robot giống như giao tiếp với người khác.”

Nguồn: MIT introduces brain-controlled robots