SatNN
Satellite Based Neural Network
Gurtner, Lindner, Plainer, Wandl, Windhager
Überblick
- Projektteam
- Motivation
- Problemstellung
- Projektziele
- Methodik
- Was ist ein CNN?
- Systemübersicht
- Ergebnisse
- Herausforderungen
Projektteam
Motivation
"On-board real-time ML-based anomaly detection on ESA earth-observing satellite"
- Waldbrände
- Raucherkennung
- Ölkatastrophe
- Tornadoerkennung
Problemstellung
- Geringe Downlink-Geschwindigkeiten
- Verbindung zum Satelliten nur für wenige Minuten möglich
- ML-Algorithmen erfordern eine große Datenmenge
- Begrenzte Rechenleistung
Projektziele
Bereits existierende Lösungen evaluieren
Konzept für ML im Orbit
→ Eigenentwicklung einer ML-Plattform
Methodik & Herangehensweise
- Vorhandene Tools evaluieren
- Verständnis für CNNs entwickeln
- Identifizieren der Systemeinschränkungen
- Gesamtkonzept entwickelt
- Getrennte Entwicklung und Verifikation der einzelnen Komponenten
- Verbinden der einzelnen Komponenten
Was ist ein CNN?
Systemübersicht
Ergebnisse
- Einfache Netze können berechnet werden (theoretisch)
- Mehrere Berechnungen gleichzeitig möglich
- Flexible Struktur durch Nios II als Controller
- Basisimplementierung NMF
Herausforderungen
- Komplexes System am Satelliten
- Cyclone V unzureichend für ResNet-18
- Parallele Entwicklung des ML Modells
- Hohe Latenz beim Laden der Bilder
- UIO-Kommunikation mittels Java
- Sehr lange Simulationszeiten