Subventions et contributions gouvernementales

L'équipe testera l'efficacité de la gravité artificielle (GA) et sa combinaison avec un exercice de vibration résistive sur plusieurs paramètres musculo-squelettiques par rapport aux contrôles et aux contre-mesures GA et non GA précédentes. Les résultats aideront à mieux comprendre les changements musculosquelettiques induits par la microgravité.

L'étude fournira des données nouvelles et pertinentes sur l'anémie, l'hémolyse, les populations de globules rouges jeunes, matures et sénescentes et les modifications de la rate chez 24 participants avant, pendant et après l'alitement tête en bas, avec gravité artificielle et contre-mesures physiques en cas d'hypoxie.

L'équipe explorera une approche informatique innovante pour la surveillance autonome de la santé en utilisant l'analyse de mégadonnées dans un équipage entièrement féminin.

Les agriculteurs et les agronomes passent beaucoup de temps à se rendre dans chaque champ pour surveiller la santé des plantes, les maladies et l’environnement. AIRM Consulting est en cours de développement d’un dispositif innovant basé sur l’intelligence artificielle (IA) pour la vérification au sol automatique en 3D qui intègre des capteurs de détection et de télémétrie par la lumière (lidar) et des capteurs multispectraux. La vision par ordinateur et l’apprentissage automatique sont utilisés pour fournir une solution en temps réel qui est évolutive, mobile et optimisée, ce qui permet d’obtenir de nouvelles données quantitatives et de surveiller les cultures, favorisant ainsi l’adoption de technologies basées sur l’agriculture de précision avec des applications pour l’aide à la décision et les assurances. Cette nouvelle solution technologique permettra de surmonter les obstacles liés au coût, à l’échelle et à la portée, à la qualité de l’image, à l’intensité de calcul par ordinateur et à l’interopérabilité.

Ce projet vise à développer des approches innovantes utilisant des données d’observation de la Terre pour la modélisation et la cartographie des inondations, la catastrophe naturelle la plus fréquente et la plus dommageable au Canada. En intégrant les données d’imagerie satellitaire optique et radar, la réalisation de ce projet permettra de produire une délimitation des zones inondables et la cartographie des inondations en temps quasi réel. Ces résultats aideront les décideurs à avoir une vision globale et à jour du risque pour agir en prévention et optimiser les interventions, et aux assureurs à mieux évaluer les risques de leurs clients.

Fonctionnant sur une infrastructure infonuagique, ce produit permettra aux développeurs de produit à valeur ajoutée d’offrir leurs propres applications en tant que service aux utilisateurs. Ce projet améliorera l’accès aux données géospatiales et leur utilisabilité pour les nouveaux utilisateurs, y compris les non-experts et autres groupes d’utilisateurs non traditionnels qui collaborent avec des développeurs d’applications dans une variété de domaines. Basé sur des normes et des pratiques exemplaires, ce projet favorise l’interopérabilité des systèmes et la création future d’un réseau mondial de ressources de données d’observation de la Terre.

Les autorités gouvernementales et les spécialistes des données n’ont pas la possibilité de demander directement aux citoyens leurs observations de réalité sur le terrain pour évaluer la validité des algorithmes d’observation de la Terre (OT) depuis l’espace, et les citoyens ne peuvent pas soumettre directement leurs observations. Le projet vise à combiner ces deux démarches d’observation en une toute nouvelle méthode d’évaluation de l’environnement et des catastrophes en utilisant les techniques et l’imagerie d’OT depuis l’espace. Il contribuera ainsi à combler les lacunes en matière de communication et permettra aux scientifiques et aux fonctionnaires de collaborer avec les citoyens pour valider et améliorer les algorithmes de traitement des images satellitaires directement et en temps quasi réel, afin de déterminer la réalité sur le terrain.

L’objectif de ce projet est de créer un processus de traitement automatisé des données et de fournir un accès à ces données par l’intermédiaire d’une plateforme de visualisation en ligne qui permet de surveiller des infrastructures s’étendant sur des milliers de kilomètres, tout en mettant en évidence des zones de déplacement pouvant faire seulement quelques dizaines de mètres carrés. 3vGeomatics mettra au point des techniques efficaces pour capturer les caractéristiques de déplacement à toutes les échelles, les mettre en évidence et les filtrer, ce qui permettra aux utilisateurs finaux de se concentrer rapidement sur les zones d’importance critique. Le projet contribuera donc à accroître la qualité, à réduire le poids numérique et à améliorer la facilité d’utilisation des produits de données pour la surveillance des infrastructures à l’échelle du réseau.

Le projet vise le développement d’un système de gestion des incendies de forêt en collaboration avec INO, conformément aux exigences de la SOPFEU et de Ressources naturelles Canada, afin de produire une cartographie thermique à haute résolution, en temps quasi réel, des incendies de forêt actifs à l’aide d’images satellitaires et aériennes. À l’aide d’un jeu de données pseudo-images, Lux Aerobot sera en mesure d’entraîner des modèles à apprentissage profond de vision par ordinateur conçus expressément pour extraire les points chauds à l’échelle du pixel. Pour pallier les limites potentielles de la bande passante de télécommunication, le modèle sera également adapté pour pouvoir fonctionner directement à bord des plateformes satellitaires, sous réserve de diverses contraintes telles que l’alimentation électrique limitée, la dissipation de la chaleur et la puissance limitée de calcul.

Ce projet vise à mettre en place une technologie qui fournira une estimation fiable de l’équivalent en eau de la neige (EEN) en vue de la surveillance et de la prévision des inondations potentielles attribuables à la fonte des neiges au Canada. Pour ce faire, on utilisera les données de polarimétrie compacte de la mission de la Constellation RADARSAT (MCR PC), en recourant à des techniques novatrices de classification et de segmentation fondées sur l’apprentissage profond pour cartographier ou segmenter l’étendue de la couverture neigeuse. A.U.G. Signals effectuera également des estimations précises de l’épaisseur de la neige et de l’équivalent en eau de la neige. Les services locaux d’hydrologie et de gestion des opérations en cas de catastrophe seront ainsi en mesure de déterminer les risques d’inondation attribuables à la fonte des neiges à un endroit donné.