Show HN: Aurora GeoXAI – Sovereign geospatial AI built out of frustration

Impulso Digital Soluções em I.A. Ltda. published Aurora GeoXAI v0.1.0, an open experimental Python MVP for geospatial image inspection and remote-sensing analysis that runs locally on CPU and is built on NumPy, Rasterio, Pillow and scikit-learn rather than PyTorch. The project's baseline uses a deterministic scikit-learn MiniBatchKMeans clustering over RGB preview pixels, which the authors state is not land-cover classification, and it accepts PNG, JPEG, TIFF and GeoTIFF files up to 100 MB and 50 million pixels, with optional NDVI/NDWI indices and a ZIP output containing analysis_report.json. The authors frame Aurora as a political response to digital-sovereignty rhetoric in Brasília, including public debate associated with MCTI/SETAD, arguing that "a press release is not sovereign infrastructure" and that the prototype is an engineering target, not a claim of performance matching leading Earth-observation research centers.

| title | Aurora Geointelligence XAI — Experimental Geospatial AI | |---|---| | emoji | | | colorFrom | green | | colorTo | blue | | sdk | gradio | | app file | app.py | | python version | 3.11 | An open, experimental Python MVP for geospatial image inspection, remote-sensing exploration and traceable analysis reports. The current baseline uses NumPy, Rasterio, Pillow and scikit-learn; it is not a PyTorch deep-learning engine and is not a production or forensic system. A press release is not sovereign infrastructure. Code that people can inspect, run, challenge and maintain is. Digital-sovereignty rhetoric from Brasília—including public debate associated with MCTI/SETAD—does not by itself create compute access, predictable funding, technical continuity or meaningful channels for independent builders. The gap between official ambition and the material conditions that independent engineers report is a political problem, not an engineering achievement. Aurora is an autonomous, openly documented engineering effort built outside the state bureaucracy. This repository answers rhetoric with code, explicit limitations and reproducible tests. It is the authors’ political position and account of reported experience—not an official investigation, a finding of misconduct, a claim about any named public servant, or a government-sponsored program. No state body is represented as endorsing or participating in this project. The global ambition is real: build geospatial software that can withstand the scrutiny applied at leading Deep Tech and Earth-observation research centers. That is a target for engineering and independent validation, not a claim that the current prototype already matches their performance. Nota à imprensa não é infraestrutura soberana. É código que outras pessoas podem inspecionar, executar, contestar e manter. O discurso de soberania digital em Brasília — inclusive o debate público associado ao MCTI/SETAD — não cria, por si só, acesso a computação, financiamento previsível, continuidade técnica nem canais efetivos para construtores independentes. A distância entre a ambição oficial e as condições materiais relatadas por quem constrói fora dos circuitos consolidados é um problema político, não uma realização de engenharia. A Aurora é um esforço de engenharia autônomo, documentado abertamente e construído à margem da burocracia estatal. Este repositório responde ao discurso com código, limites explícitos e testes reproduzíveis. O texto expressa a posição política e a experiência relatada pelos autores: não é investigação oficial, constatação de irregularidade, acusação contra servidor específico nem declaração de apoio ou participação de órgão público. A ambição é global: desenvolver software geoespacial capaz de suportar o rigor técnico e científico dos principais centros de Deep Tech e observação da Terra. Isso é uma meta de engenharia e validação independente, não uma alegação de que o protótipo atual já tenha desempenho equivalente. O repositório pertence à iniciativa Impulso Digital Soluções em I.A. Ltda. e publica um MVP experimental v0.1.0 , executável localmente em CPU. A distinção entre o que funciona, o que é direção de pesquisa e o que ainda não foi validado é parte deliberada do projeto. | Área | Estado verificável nesta versão | |---|---| | Aplicação | Interface Gradio; processamento local no processo da aplicação; upload manual de imagem. | | Imagens | PNG, JPEG, TIFF e GeoTIFF; limite de 100 MB e 50 milhões de pixels. | | Dados | Matrizes NumPy float32 ; Rasterio lê metadados geoespaciais disponíveis em TIFF/GeoTIFF. | | Baseline | scikit-learn MiniBatchKMeans determinístico sobre pixels RGB do preview; não é classificação de cobertura do solo. | | Índices | NDVI/NDWI opcional, com bandas escolhidas pela pessoa usuária; sensor, comprimento de onda e calibração não são inferidos. | | Saídas | Imagens derivadas e pacote ZIP com analysis report.json , parâmetros e metadados disponíveis. Relatório rastreável não equivale a cadeia de custódia criptográfica. | | PyTorch | Não está nas dependências nem no motor desta versão. Os dados não são torch.Tensor ; uma avaliação futura está no roadmap. | | XAI de modelo | Não implementada nem validada. Máscara/overlay mostra grupos de cor, não causalidade, atenção, Grad-CAM ou explicação de decisão de um modelo treinado. | | Produção e uso forense | Não prontos. Não há benchmark anotado, validação independente, certificação, controles de produção ou cadeia de custódia para evidência judicial. | | MLCommons | Nenhum benchmark, certificação, conformidade ou afiliação é declarado neste repositório. | | Finep/CDTI | Nenhum financiamento, convênio, parceria, seleção ou participação em iniciativa Brasil–Espanha é declarado. Menções são convite aberto, não endosso. | - Não é um serviço em produção nem um modelo geoespacial de deep learning. - Não reivindica conformidade com MLCommons Inference, um padrão de XAI, certificação ou benchmark não publicado. - Não declara cooperação formal com Finep, CDTI, MCTI, SETAD, Banco Central, MLCommons ou qualquer outro órgão ou organização. - Não é ferramenta pericial validada, não produz prova judicial e não substitui profissional habilitado. Uma futura utilização em processo judicial exigiria validação independente, proveniência e licença dos dados, integridade e cadeia de custódia, revisão humana e avaliação jurídica adequada. - Não interpreta automaticamente os clusters como água, vegetação, edificações ou uso do solo, e não comprova condição ambiental. Badges oficiais ou de parceria só serão incluídos após evidência verificável e autorização apropriada. Os badges acima descrevem o estado atual; não são certificações. Arquivo enviado manualmente │ ├─ PNG/JPEG ── Pillow ─┐ └─ TIFF/GeoTIFF ─ Rasterio ─ metadados disponíveis │ matriz NumPy float32 │ preview RGB stretch percentil 2–98 │ MiniBatchKMeans no preview random state=42 │ │ máscara/overlay visual NDVI/NDWI opcional bandas explícitas └────────────┬────────────┘ ZIP de saída JSON de relatório + imagens derivadas O núcleo está em src/aurora geointelligence/core.py https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/src/aurora geointelligence/core.py , a interface em app.py https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/app.py , e a suíte local em tests/ https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/tests . O diagrama completo está em assets/architecture.mmd https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/assets/architecture.mmd . O alongamento percentil 2–98 serve apenas à visualização do preview. O agrupamento usa RGB do preview, de modo que iluminação, sensor, nuvens e composição podem alterar os grupos. NDVI/NDWI só são úteis quando as bandas e a calibração da imagem são adequadas; essa semântica precisa ser fornecida e verificada pela pessoa usuária. Veja o protocolo de validação https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/VALIDATION PROTOCOL.md e as limitações https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/LIMITATIONS.md . A versão torna etapas e parâmetros mais inspecionáveis ao registrar metadados disponíveis, configurações, resultados e ressalvas em JSON. Isso ajuda a reproduzir uma exploração, mas não torna o resultado uma perícia , não oferece explicação de um modelo aprendido e não assegura admissibilidade ou força probatória. Não há assinatura criptográfica nem cadeia de custódia. Não use o MVP para fiscalização, emergência, decisão ambiental/regulatória ou decisão judicial sem validação científica e revisão humana independentes. Os nomes abaixo compõem uma agenda comum de pesquisa e prototipagem. Não formam uma plataforma integrada em produção. O status de cada iniciativa e as evidências observáveis estão detalhados em docs/ECOSYSTEM.md https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/ECOSYSTEM.md . | Projeto | Escopo declarado | O que está público — e o que não deve ser inferido | |---|---|---| | Aurora Geointelligence XAI / Oráculo X-37 | Inspeção geoespacial reproduzível, auditoria de processamento e geoprocessamento transparente. | Este repositório é um MVP de imagens e agrupamento visual. Oráculo X-37 https://github.com/felipetjmg1-bit/oraculo-x37 é repositório relacionado e independente; não é um motor PyTorch integrado aqui. | | Aurora DREX | Arquitetura proposta de integração soberana e auditável para fluxos de dados/serviços ligados a moedas digitais de Estado. | Não há integração operacional com Drex, Banco Central, rede financeira, piloto, autorização ou parceria declarada. | | Projeto Cristal / Quartzo 5D | Pesquisa conceitual de persistência e armazenamento de longo prazo. | API demonstrativa https://github.com/felipetjmg1-bit/cristal-quartzo-aurora e simulador web https://github.com/felipetjmg1-bit/CRISTAL-5D-V.4.0-MODULO-1 . Não demonstram gravação ou leitura óptica física em quartzo. | | Projeto Ybyrá | Protótipo educacional de conceitos de biocomputação, codificação inspirada em DNA e criptografia quântica. | Repositório Ybyrá https://github.com/felipetjmg1-bit/projeto-ybyra . Software e simulação clássica; sem tecido biológico, hardware quântico, enlace QKD real ou segurança validada para produção. | Desenvolvedores, pesquisadores de geoinformação e observação da Terra, laboratórios de Deep Tech, investidores, fundos de Venture Capital e parceiros estratégicos: a engenharia brasileira precisa ser examinada pelo código e pela evidência — não por proximidade a um gabinete. Inspecionem, reproduzam, apontem falhas e proponham benchmarks. A comunidade MLCommons e as frentes de cooperação Brasil–Europa/Brasil–Espanha são convidadas a conhecer o projeto e, se houver interesse e escopo, conversar sobre colaboração verificável. Este convite não declara participação, reconhecimento, parceria, financiamento ou validação por MLCommons, Finep, CDTI, MCTI/SETAD ou qualquer outra entidade. Soberania tecnológica não se decreta em portaria: depende de capacidade instalada, governança e código que possa ser executado e auditado. Para começar, abra uma issue técnica ou envie um pull request. Propostas de colaboração devem explicitar recursos, responsabilidades, governança de dados e critérios de validação. Não envie dados pessoais, confidenciais ou sem autorização. Requer Python 3.11 ou superior. O baseline não exige GPU, token, banco de dados ou serviço pago. python -m venv .venv source .venv/bin/activate Windows: .venv\Scripts\activate pip install -r requirements.txt python app.py Abra http://localhost:7860 , carregue uma imagem autorizada e selecione Executar análise . Para experimentar sem dados reais, use examples/synthetic scene.png https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/examples/synthetic scene.png , uma composição artificial, não uma cena de satélite real. pytest -q O workflow de referência está em docs/GITHUB ACTIONS WORKFLOW.yml https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/GITHUB ACTIONS WORKFLOW.yml , mas ainda não está ativo em .github/workflows/ ; portanto, não há badge de CI ativo a exibir. | Caminho | Conteúdo | |---|---| | app.py | Interface Gradio. | | src/aurora geointelligence/ | Núcleo de leitura, agrupamento, índices e geração de relatório. | | tests/ | Testes do núcleo. | | assets/ | Diagramas e arte conceitual, identificados como ilustração. | | examples/ | Cena sintética e instruções de demonstração. | | docs/ | Arquitetura, especificação, validação, segurança, dados, roadmap, ecossistema e contribuição. | | requirements.txt , LICENSE , CITATION.cff | Dependências, licença Apache-2.0 e metadados de citação. | Comece pelo índice de documentação https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/README.md . A documentação técnica também inclui arquitetura https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/ARCHITECTURE.md , especificação https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/TECHNICAL SPECIFICATION.md , resumo https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/ABSTRACT.md , método científico https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/SCIENTIFIC METHODOLOGY.md , protocolo de validação https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/VALIDATION PROTOCOL.md , limitações https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/LIMITATIONS.md , governança de dados https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/DATA GOVERNANCE.md , segurança https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/SECURITY.md , roadmap https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/ROADMAP.md , novidade e anterioridade https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/RESEARCH NOVELTY.md , ecossistema https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/ECOSYSTEM.md , contribuição https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/CONTRIBUTING.md e citação https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/CITATION.cff . Aurora Geointelligence XAI is an experimental, CPU-first Python MVP for geospatial-image inspection and reproducible exploration. It reads PNG, JPEG, TIFF and GeoTIFF imagery, records available raster metadata, creates a display preview, applies scikit-learn MiniBatchKMeans to preview RGB pixels, optionally computes NDVI/NDWI from user-selected bands, and exports images with a traceable JSON report. The implementation uses NumPy arrays, Rasterio, Pillow, scikit-learn and Gradio. It does not use PyTorch, contain pretrained remote-sensing weights, provide validated model-level explainability, claim scientific accuracy, or constitute a production/forensic system. Clusters are unlabeled visual groups; spectral indices depend on correct sensor bands and calibration. No MLCommons benchmark, Finep/CDTI partnership, institutional endorsement, legal admissibility or operational DREX/Cristal/Ybyrá integration is claimed. The English and Portuguese manifestos express the authors’ political position. International developers, researchers and investors are invited to inspect the implementation, request reproducible evidence and discuss responsible cooperation. O código original é distribuído sob Apache-2.0 https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/LICENSE ; dependências mantêm suas próprias licenças. Não há publicação científica, DOI, certificação ou parceria institucional declarada neste repositório. Revise metadados geográficos e nomes de arquivos antes de compartilhar relatórios. Não envie dados sigilosos ou sujeitos a restrição. Consulte docs/DATA GOVERNANCE.md https://github.com/felipetjmg1-bit/aurora-geointelligence-xai/blob/main/docs/DATA GOVERNANCE.md .