多様なデータの融合
LiDAR、光学画像、SARといった多様なリモートセンシングデータを統合。お客様の課題に合わせて、最適なデータを組み合わせた柔軟な解析ソリューションを提供します。
AIによる高精度抽出
最先端のAI・機械学習技術を駆使。ドローン画像や過去の膨大な調査資料から、解析の鍵となるグラウンドデータを高精度かつ迅速に抽出することが可能です。
空と宇宙のハイブリッド
抽出した現場データと広域衛星データを掛け合わせる独自モデルを構築。点（ドローン）と面（衛星）を融合させることで、圧倒的な解析精度を実現します。
地球の現状を可視化する
衛星やドローンを通じて取得される各種データ（LiDAR、光学画像、SAR画像など）を活用し、ニーズに応じた解析モジュールを構築。自然環境の現状把握や変遷分析を通じて、社会課題の解決に貢献します。
持続可能な社会への貢献
気候変動やインフラ老朽化など、複雑化する課題に対し、AI技術を駆使した高精度なグラウンドデータ抽出とモデル構築を実施。地球環境の保全と生活価値の向上を両立させます。
リモートセンシング
Sentinel-1/2等の衛星データやドローンLiDARを多角的に解析。目的に合わせた最適な波長（バンド）を選定します。
AIモデル構築
独自の学習・推論アルゴリズムにより、画像データから特定の物体や作物を自動判定する高精度モデルを構築します。
グラウンドデータ活用
過去の調査資料や現地データをAIで構造化。衛星解析の精度を飛躍的に高める「教師データ」として活用します。
衛星(Sentinel)やドローンによるマルチスペクトル/SARデータの取得。
特定の作物や土地利用を「正解」としてAIに定義。
画像の特徴量と判定の関係性をディープラーニングで抽出。
未知のデータに対し、作物判定地図（2値マップ等）を高速に出力。
CASE01
珈琲・カカオの作物判定
Sentinel-2の10〜20m分解能データを活用。3時期分の10バンドデータを同時入力することで、季節による見え方の変化を捉え、高精度な作物識別を実現しました。
CASE02
パーム経年変化解析
2016年から2024年にわたる長期データを統合。前時期と後時期のパーム農園の増減を色別で可視化します。Google Earthによる高解像度検証と組み合わせることで、森林減少や土地利用転換のモニタリングに貢献します。
CASE03
大豆の広域高精度判定
Sentinel-2の全11バンドを4時期分（計44枚）同時入力。解像度60mの特性を活かしつつ、独自開発のノイズ処理により圃場の輪郭を鮮明に抽出しました。広大な土地における生育状況や分布を低コストかつ広域に把握可能です。
CASE04
SARによる水稲モニタリング
雲に遮られないSARデータ（Sentinel-1）を活用。時系列54シーンの偏波特性（VH/VV）を解析し、冠水時期と生育パターンの関係を解明しました。天候に関わらず確実な作付け判定が可能です。
対応作物・解析手法一覧
| 対象作物 | 主に使用するデータ | 解析の主な特徴 |
|---|---|---|
| 珈琲・カカオ | Sentinel-2 (10-20m) | 3時期多バンド同時学習による識別 |
| パーム・天然ゴム | Sentinel-2 / Google Earth | マルチクラス判定 & 二時期変化抽出 |
| 大豆 | Sentinel-2 (60m全バンド) | 広域4時期統合 & ノイズ処理最適化 |
| 水稲（米） | Sentinel-1 (SAR) | 全天候型・VH偏波時系列解析 |
データがもたらす意思決定
単なる「画像」を、ビジネスに直結する「インテリジェンス」へ変換。サプライチェーンの透明化、持続可能な調達、環境リスク評価に不可欠なデータを提供します。
- AIによる自動抽出でコストを大幅削減
- 衛星活用により数年単位の過去に遡った分析