La tecnología de mitigación de interferencias de aprendizaje automático de Baron, ClearScan™, hizo su debut en la primavera de 2022. ClearScan aprende y elimina los retornos extraños o "ruido" de los retornos del radar y proporciona al usuario datos de precipitación con una claridad inigualable. Mediante algoritmos de aprendizaje automático apoyados por intervención humana, Baron ClearScan aprende a reconocer datos de objetivos meteorológicos reales frente a interferencias de radiofrecuencia (RF) o propagación anómala (AP).

La comparación de imágenes que se muestra a continuación revela la diferencia que supone ClearScan en la calidad y claridad del radar.

Control deslizante que muestra cómo ClearScan elimina las interferencias.

Recientemente, nos sentamos con el creador de ClearScan y algunos de nuestros científicos y meteorólogos para responder a sus preguntas frecuentes sobre la tecnología ClearScan. He aquí sus respuestas.

¿Cuál fue el impulso para desarrollar ClearScan?

Nuestros clientes expresaban una preocupación creciente, ya que las nuevas tecnologías, como las señales celulares 5G, han aumentado las interferencias con los radares meteorológicos, especialmente los de banda C.

"Necesitaban una solución que pudiera eliminar el ruido de las interferencias y otros fenómenos anómalos y mejorar la calidad de los datos de sus radares", explica Erick Jones, ingeniero jefe de software y creador que desarrolló la aplicación. "Baron quería resolver estos retos operativos".

"Siempre hemos sido líderes en innovación de radares meteorológicos", afirma. "Esta herramienta, en última instancia, ha conducido a una detección y previsión meteorológicas más precisas y fiables".

¿Qué hace que ClearScan sea tan exclusivo?

La exclusiva tecnología ClearScan examina los datos de reflectividad y doble polarización para comprender la diferencia entre datos de radar de calidad e interferencias de propagación anómala (AP) o radiofrecuencia (RF). "ClearScan de Baron es capaz de reconocer AP o RF y eliminarlas instantáneamente de los datos de radar de polarización dual", afirma Erick. "Podemos adaptar la tecnología para resolver los desafíos de interferencia que son únicos para los mercados de medios específicos".

¿Y si aparece una nueva interferencia y el aprendizaje automático no la elimina?

ClearScan nos permite destacar las nuevas interferencias, de modo que la tecnología aprende. Aunque no sabemos qué "aspecto" tendrán las interferencias en el futuro, actualmente trabajamos con nuestros clientes, utilizando sus datos de radar exclusivos para entrenar la red. Entrenamos los filtros, de modo que la información que proporciona se ajusta con precisión.

¿Se puede utilizar ClearScan en cualquier radar? ¿Añade algún retraso a la visualización de los datos?

Según el Director de Desarrollo de Baron Weather, Sherman Wilcox, "No hay retraso en el procesamiento y se realiza inmediatamente mediante ordenadores posteriores que son muy rápidos, por lo que se aplica al instante". Se requiere un radar Baron con capacidad de doble polo.

¿Aplica sus correcciones a los datos de volumen o a los datos compuestos del suelo?

Dejamos los datos originales y damos salida a un nuevo volumen de datos (forma radial) que ha sido reparado.

Según Brian Bellew, meteorólogo de Baron y director global de desarrollo empresarial, "si se realiza un escaneado volumétrico, la reflectividad se masajea mediante aprendizaje automático, de modo que la técnica de datos puede aplicarse a cualquier nivel de inclinación y se aplica a la reflectividad sólo en este punto. No importa la estrategia de escaneado, el aprendizaje automático se aplicará en cada nivel escaneado de cualquier forma que ejecute su estrategia de escaneado."

En cuanto a experiencias con radares costeros, ¿tiene problemas con los ecos de los puentes o los aviones?

Esos tipos de obstáculos no impiden la limpieza y hemos aplicado ClearScan a radares costeros. Nuestro CleanAP se diseñó para eliminar objetos estáticos como edificios y demás.

Los ecos de los puentes son únicos, no por el puente, que puede eliminarse fácilmente porque es un objeto estático.

"El problema suelen ser los vehículos en movimiento en los puentes, ya que son objetos en movimiento, muy parecidos a los que encontraríamos en la atmósfera", según Brian. "El método que utilizamos en el aprendizaje automático no se basa únicamente en la reflectividad, sino que utiliza otros momentos de doble polo para identificar el retorno real: si se trata de una partícula atmosférica o no. Conociendo el proceso, podría identificar un coche frente a una partícula atmosférica real o un hidrometeoro".

¿Cree que la tecnología cambiará en los próximos años?

Baron tiene un historial de definición de las últimas innovaciones meteorológicas. Mejorar constantemente nuestros datos y nuestra tecnología forma parte de nuestra cultura y nuestra misión.

Como señala Sherman, "de momento, no hay planes para modificar el algoritmo central. Estamos muy contentos con su rendimiento". Pero cuando se trata de ir más allá de la cabeza de la curva, la gente de Baron es implacable. Así que, sea lo que sea lo que nos depare el futuro, estoy seguro de que afrontaremos el reto con cabeza".

¿Tiene alguna pregunta sobre ClearScan que le gustaría que respondiéramos? Comuníqueselo a uno de nuestros expertos, que se pondrá en contacto con usted.

 

¿Tiene alguna pregunta sobre ClearScan que le gustaría que respondiéramos? Comuníqueselo a uno de nuestros expertos, que se pondrá en contacto con usted.

 Hable con un experto