HSI-UNITED

HSI-UNITED-hankkeen tavoitteena on luoda laskennalliset ja tieteelliset perustat nykyisen hajanaisen hyperspektrikuvantamisen (HSI) tutkimusalan yhdistämiseksi. Huolimatta vuosikymmenten edistymisestä anturikehityksessä ja sovelluskohtaisessa mallinnuksessa, HSI on edelleen hajanaista eri aloilla, laitteissa ja sovelluksissa. Tämä projekti luo yhtenäisen koneoppimiseen ja laskentaan liittyvän kehyksen mahdollistamaan spektridatan analysoinnin kamerasta ja sovellusalasta riippumattomaksi.

Hankkeen kesto

1.9.2026 - 8.3.2030

Tutkimuksen painoala

Luonnon perusilmiöt ja matemaattinen ajattelu

Tutkimusalue

Spektrikuvantamisen laboratorio

Laskennalliset tieteet

Tiedekunta

Informaatioteknologian tiedekunta

Rahoitus

Suomen Akatemia

Hankekuvaus

Tutkimus syventää perustietämystä siitä, miten spektritiedot käyttäytyvät fyysisten, ympäristöön liittyvien ja anturien aiheuttamien muutosten vaikutuksesta, ja luo malleja, jotka pystyvät oppimaan, sopeutumaan ja yleistämään tuloksia heterogeenisten tietolähteiden välillä ilman raakatietojen jakamista. Kehys toteutetaan kolmen toisiaan täydentävän ulottuvuuden kautta: United Methods (kamerariippumattomien maailmanmallien kehittäminen), United Knowledge (alueiden välisen tieteellisen ymmärryksen integrointi) ja United Scientists (avoimen, yhdistettyjen yhteistyöverkostojen rakentaminen).

Laajan kansainvälisen yhteistyöverkoston kautta, johon kuuluu johtavia HSI-tutkijoita, laboratorioita ja maailman johtavia HS-kuvantamislaitevalmistajia, HSI-UNITED siltaa metodologisia aukkoja ja edistää avoimia, yhteisölähtöisiä tutkimuskäytäntöjä. Tuloksena on toistettavissa oleva ja yksityisyyttä suojaava laskennallinen perusta seuraavan sukupolven kuvantamistieteelle – yhdistämällä menetelmät, tiedon ja tutkijat yhteisen spektrivision alle.

Hanketiimi

Hankkeen vetäjät

Anna-Maria Raita

Tutkijatohtori

Tutkimusryhmät

CoDAI Laskennallinen data-analyysi ja kuvantaminen

CoDAI vahvistaa yliopiston huippututkimusta, luo uusia koulutusmahdollisuuksia ja auttaa ratkaisemaan maailmanlaajuisia haasteita yhdistämällä laskennallisen tieteen, koneoppimisen ja kuvantamisteknologian yhdeksi yhtenäiseksi kokonaisuudeksi.