在卫星上用深度学习做光谱分析，实现实时地球科学监测
Demonstrating Onboard Inference for Earth Science Applications with Spectral Analysis Algorithms and Deep Learning
- 在卫星搭载的神经网络硬件上运行深度学习模型
- 实现可见光与近红外高光谱数据的本地实时分析
- 适合需要快速响应的遥感监测场景
在与Ubotica Technologies合作下，喷气推进实验室正在展示CogniSAT-6/HAMMER（CS-6）卫星上的前沿数据分析能力。该卫星配备可见光至近红外波段的高光谱传感器及神经网络加速硬件。在边缘端（如星上）执行数据处理可实现新的地球科学观测与即时响应。本文将演示利用深度学习与光谱分析算法，在CS-6上完成多种应用的数据分析与推理任务。
原文摘要 · Abstract (English)
In partnership with Ubotica Technologies, the Jet Propulsion Laboratory is demonstrating state-of-the-art data analysis onboard CogniSAT-6/HAMMER (CS-6). CS-6 is a satellite with a visible and near infrared range hyperspectral instrument and neural network acceleration hardware. Performing data analysis at the edge (e.g. onboard) can enable new Earth science measurements and responses. We will demonstrate data analysis and inference onboard CS-6 for numerous applications using deep learning and spectral analysis algorithms.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。