Alle kundecases
Teledyne RESON

ML i realtid i missionskritiske sonarsystemer

Machine learning-pipelines finder relevante signaler i enorme sonardatastrømme — og behandler alt i realtid, på under et sekund.

Machine learning & AIProduktion & industri

NøgleresultatML-detektion på under et sekund i sonarsystemer i drift

Udfordring

Sonarer producerer enorme mængder data med varierende støj og signal. Det er meget svært at finde specifikke signaler og mønstre — og de missionskritiske omgivelser kræver ægte behandling i realtid.

Løsning

En ML-pipeline med forbehandling, filtrering og signaldetektion, koblet direkte ind i sonarsystemet og med behandling af alt i realtid.

  • Automatisering. Fuldt automatiseret detektion af signaler og mønstre i enorme sonardatastrømme.
  • Effektivitet. Drift i realtid, der visualiserer den mest relevante information for operatørerne.
  • Fokus. Systemet fremhæver automatisk de signaler, der med størst sandsynlighed er vigtige for brugerne.

Resultater

  • Afvikling i realtid, på under et sekund
  • Relevante signaler findes automatisk
  • Jævn og ensartet sporing

Flowtale har bidraget med kompetenceopbygning og etablering af udviklingsmiljøer og arbejdsprocesser med cloudløsninger til træning, tagging og data science-opgaver — og arbejder fortsat sammen med Teledyne RESON om at udvide brugen af machine learning i missionskritiske sonarsystemer.

Tim L. Jensen, VP Products & Technology, Teledyne RESON

Emner

  • Machine Learning
  • DSP
  • DevOps
  • Embedded

How we work, the Flowtale Way.

Tag kontakt