Para abordar la ejecución de las actividades propuestas, se hará uso de herramientas de código abierto, como Tensor Flow de Google y se centrarán los recursos en diseñar las redes neuronales y sus configuraciones, desarrollar algoritmos ad-hoc que permitan adaptar datos LiDAR, ráster, vectoriales, ortofotos y fotografías de alta resolución a las herramientas disponibles y entrenar con grandes cantidades de datos para que el sistema sea capaz de detectar lo descrito en las actividades propuestas.
El desafío reside en integrarlo dentro de un entorno GIS o através de internet para que su uso sea fácil para usuarios GIS no expertos en IA.
La finalidad del proyecto de I+D es integrar herramientas de software, todos en software libre que permitan implementar modelos de inteligencia artificial para el tratamiento de datos LiDAR para la resolución de problemas de producción cartográfica en los que DIELMO es experto.
Se han descrito tres escenarios de actuación mejorables en los que la integración de herramientas de IA, junto con el diseño y desarrollo de algoritmos necesarios para el tratamientos de datos de entrada y de salida pueda ser efectivo y permita ofrecer una respuesta automática robusta.
Se han tenido en consideración tipos de datos de entrada datos Lidar, ráster o vectoriales, ortofotos e imágenes en alta resolución, habituales en la actividad diaria de cualquier entidad que se dedique a la producción cartográfica y que realice tareas de revisión y mantenimiento de redes eléctricas.
Como resultado final del proyecto, el equipo de desarrollo interno de DIELMO obtendrá los conocimientos y las herramientas necesarias para resolver problemas complejos que hasta ahora no hemos podido resolver y crear una base de soluciones internas que nos sirvan para optimizar nuestros procesos productivos cartográficos y como una base de conocimiento que podamos usar en un futuro para evolucionar nuestro departamento de desarrollo de software y ofrecer una nueva línea de servicios de desarrollo de algoritmos geoespaciales apoyados en Deep learning para clientes finales a nivel mundial como distribuidoras eléctricas, organismos públicos (ayuntamientos, catastro, infraestructuras), otras empresas privadas, etc