Das Projekt von Silicon Austria Labs sowie den Partnern OroraTech und Joanneum Research zielt darauf ab, einen Proof-of-Concept zu realisieren, der die Realisierbarkeiten einer onboard-KI-fähigen Erdbeobachtungsmission untersucht. Im Projekt FIRE-SAT werden maßgeschneiderte state-of-the-art Methoden des maschinellen Lernens auf operationellen Satelliten angewendet, um die Analyse von RGB-Bilddaten an Bord für ein Anwendungsexperiment in der satellitenbasierten Branderkennung zu ermöglichen. Als Satelliten für die Flugexperimente dienen die OPS-SAT-Mission der ESA (sonnensynchrone 3U-CubeSat-Umlaufbahn entlang der Dämmerungsgrenze, gestartet 2019), die eine experimentelle Plattform für registrierte Benutzer bietet, um neue Ideen in Missionsszenarien und -operationen zu testen, sowie ein Satellit der „NewSpace“ Firma OroraTech. In den Flugexperimenten werden Live-Kamerabilder der Satelliten an Bord von entsprechend trainierten und mittels Field-Programmable-Gate-Array(FPGA)-implementierten, bzw. Graphics-Processing-Unit(GPU)-implementierten, ressourcenbeschränkten, künstlichen neuronalen Netzen auf das Vorhandensein von Rauchfahnen analysiert. Das „NewSpace“-Unternehmen OroraTech, ein Anbieter von Waldbranderkennungsdiensten, sowie Entwickler einer CubeSat-konstellation, ist internationaler Partner im Projekt und trägt durch seine umfassende Expertise in Bezug auf Anwendungsfälle und Daten bei. Darüber hinaus wird durch die Teilnahme von OroraTech, über die OPS-SAT-Mission hinaus die Verfügbarkeit eines Satelliten, der optisch kompatibel und in Bezug auf die Verarbeitungshardware (GPU vs. FPGA) komplementär ist, ermöglicht. Die im Projekt entwickelten Methoden stellen einen holistischen Ansatz dar, der die Machbarkeit der Datengenerierung (Trainings-/Validierungsdatensatz), des Modellierungs- und Anwendungskonzeptes für maschinelles Lernen, sowie die Implementierung auf ressourcenbeschränkter eingebetteter Hardware für eine Erdbeobachtungsmission untersucht, die durch KI an Bord erst ermöglicht wird.
