dida Logo
Home › 
Industries › 
Bergbau

Bergbau

Explorationsdaten systematisch analysieren und den Bergbaubetrieb kontinuierlich überwachen

Preview image

Mit Machine Learning können Bergbau Unternehmen unterstützt werden durch:

Konsolidieren und Analysieren von Explorationsdaten wie geologischen Karten und Berichten und Fernerkundungsdaten
die kontinuierliche Überwachung des Bergbaubetriebs auf Basis von Satelliten- oder Drohnenbildern
die Unterstützung der zuständigen Abteilungen für Nachhaltigkeit und Sicherheit bei der Überwachung und Meldung von operativer Risiken

Projekte in Bergbau

Alle Projekte zeigen

Automatische Erkennung von Kleinbergbau

Wie Machine Learning dazu beiträgt, Umweltzerstörung zu verhindern

Blog Posts in Bergbau

Alle Blog Posts zeigen
Computer Vision

Die besten (Python-)Tools für die Fernerkundung

Von Emilius Richter 2. August 2022

Ich stelle die besten (Python-)Werkzeuge für die Fernerkundung und die Verarbeitung von Satellitendaten vor, basierend auf unseren praktischen Erfahrungen mit ihnen bei dida. Für einige zeige ich Anwendungsbeispiele inklusive Code.

Einführendes

Der Projektantrag - der erste Schritt zu einem erfolgreichen ML-Projekt

Von Emilius Richter 18. Juli 2022

Für einen Softwareanbieter ist der Projektantrag der erste Schritt zur Erfüllung der Anforderungen des Kunden. In diesem Artikel werde ich die wichtigsten Module in Machine-Learning-Projektanträgen beschreiben.

Computer Vision

Klassifizierung von Anbauflächen anhand von Satellitenbild-Zeitreihen

Von Tiago Sanona 19. August 2021

In Anlehnung an die Arbeit von Garnot et al. verwenden wir eine abgewandelte Version des Transformers, um Pflanzenfelder aus Zeitreihen von Satellitenbildern zu klassifizieren. Damit erzielen wir bessere Ergebnisse als traditionelle Methoden (z. B. Random Forests).

Computer Vision

CLIP: Wie sich der Schatz ungelabelter Bilddaten heben lässt

Von Fabian Gringel 21. Juni 2021

Contrastive Language-Image Pretraining (kurz: CLIP) nutzt Bildunterschriften, um einen Zero-Shot-Bildklassifikator zu trainieren. In diesem Blogartikel gebe ich einen groben, nicht-technischen Überblick über die Funktionsweise von CLIP und zeige auch, wie Sie CLIP selbst ausprobieren können!

Projects

21 Fragen, die wir unseren Kunden stellen: Start eines erfolgreichen ML-Projekts

Von Emilius Richter 21. Mai 2021

Wir besprechen, welche Fragen im Vorfeld berücksichtigt und beantwortet werden sollten, um ein erfolgreiches Machine-Learning-Softwareprojekt zu starten.

Tools

Die besten Bildannotations-Tools für Computer Vision

Von Die besten Bildannotations-Tools für Computer Vision 8. April 2021

Hier werden wir uns einige der besten Bildannotations-Tools für Computer-Vision-Aufgaben genauer ansehen. Wir werden die Werkzeuge installieren und konfigurieren und ihre Fähigkeiten veranschaulichen, indem wir sie auf die Annotation echter Bilder für eine Objekterkennungsaufgabe anwenden.

Computer Vision

Exploration mineralischer Rohstoff­vorkommen mittels Fernerkundung

Von Fabian Dechent 19. März 2021

In diesem Artikel werden wir einen Blick auf die Möglichkeiten werfen, die die Fernerkundung mittels weltraumgestützter Bildgebung für die Greenfield-Exploration bietet, d. h. für das Auffinden von Gebieten, in denen der Boden hochgradige Mineralien von Interesse trägt.

Computer Vision

Illegale Minen aus dem Weltraum erkennen

Von Illegale Minen aus dem Weltraum erkennen 1. September 2020

In diesem Blogbeitrag beschreibe ich einen Ansatz zur Erkennung illegaler Minen auf Basis von Deep Learning und Fernerkundung, den wir entwickelt haben, um die Naturschutzbemühungen von Regierungen und NGOs zu unterstützen. Insbesondere verwenden wir ein U-Netz für die semantische Segmentierung, ein Zweig der Computer Vision.

Use Cases in Bergbau

Alle Use Cases zeigen