EO Factory
Lancée en Juin 2020, EO Factory est une entreprise spécialisée dans l’analyse des données d’observation terrestre. Ces données proviennent des engins aéroportés comme les satellites, les avions, les drones. Ladite entreprise, basée à Singapour, propose à ses clients des services pour extraire le maximum d’informations à partir de leurs données d’imagerie. En effet, les données d’observations collectées au quotidien sur notre planète ne cessent de s’accroître. Toutefois, elles sont rarement exploitables en totalité et ce pour diverses raisons : images de moyenne qualité, outils peu performants.
EO Factory s’appuie sur l’AI pour une exploitation maximale des données observation terrestre afin de faire ressortir des informations autrefois inaccessibles. Par ailleurs, la plateforme a été conçue de manière à ce que les traitements les plus complexes se lancent avec simplicité. Plusieurs modèles d’entraînement sont déjà disponibles sur la plateforme et peuvent être utilisés en fonction du besoin.
Ainsi, avec plus de 1000 utilisateurs quelques mois après son lancement, EO Factory semble avoir séduit. Un plan gratuit est disponible avec votre compte crédité de 250 Tokens dès votre première connexion.
Les Services
De manière plus explicite en utilisant les modèles déjà existants sur la plateforme Eo Factory, il est possible de :
- Réaliser des analyses spatio-temporelle sur des images satellite ;
- Détecter des traces de déforestation à partir d’images satellite ;
- Détecter des cultures et suivre leur croissance avec les séries d’images satellite ;
- Compter le nombre d’arbre sur une image satellite
- Calculer des indices de végétation .
Le tableau suivant récapitule les modèles disponibles avec un compte public ainsi que les exigences de caractéristiques pour les données à utiliser.
| Modèle | Exigences d’imagerie | |
| Nombre de Bandes | Type de données stockées | |
| Détection d’eau | 3 | Unsigned Integers of 8 bits (uint8) |
| Détection d’empreinte de Bâtiment | 3 | Unsigned Integers of 8 bits (uint8) |
| Détection de changement | 4 | Single-precision floating-point format (float32) |
| Compter le nombre de palmier | 3 | Unsigned Integers of 8 bits (uint8) |
| Détection des zones bâties | 3 | Unsigned Integers of 8 bits (uint8) |
| La Détection des routes | 3 | Unsigned Integers of 8 bits (uint8) |
| Détection des traces de déforestation | 4 | Single-precision floating-point format (float32) |
De plus, si ces modèles ne s’adaptent pas à votre besoin, vous pourrez en construire un nouveau et le mettre à disposition de la communauté si l’envie vous prend.
Démo : Estimation du nombre de plants de palmiers
Partie 1 : Etape Préparatoire
1- Se connecter sur la plateforme via https://eofactory.ai/signup.html
2- Créer un espace de travail pour l’exercice et se rendre dans celui-ci
3- Aller à l’onglet imagerie et charger votre image satellite : (une image satellite sur Ikpinlè, Bénin, Afrique de l’Ouest est disponible ici pour cet exercice)
Partie 2 : Analyse
4. Une fois l’image présente sur votre espace de travail, ajoutez-la sur la carte avec le bouton add to map.
5. Naviguer vers l’onglet Carte (Maps) pour retrouver l’image satellite qui s’est superposée correctement sur le fond de carte.
6- Réaliser l’analyse de décompte grâce à l’algorithme de détection
choix de l’outil Choix du Modèle
Partie 3 : Visualisation des résultats
Les résultats sont disponibles dans l’onglet résultats (Results)
Avant de visualiser les résultats nous allons créer des centroïdes à partir de la couche vecteur obtenue.
Ajoutez ensuite la couche des centroïdes à la carte, on obtient ceci.
On obtient 682 palmiers dénombrés, ce chiffre est conditionné par la qualité de l’image satellite utilisée et sa résolution spatiale. Comme on pouvait s’y attendre, évidemment plus l’image est nette, plus les résultats obtenus seront précis.
Références :
https://launched.io/startup/4123-eofactory