Podjetje L3Harris Geospatial je raziskovalno delo Bujarja Fetaija predstavilo kot primer dobre prakse v Student Spotlight Fall 2021. 

Predstavljeno je delo raziskovanje sistemov zemljiške administracije, ki se osredotoča na izboljšanje katastrskih načrtov. V okviru svojega doktorata se Bujar ukvarja z avtomatizacijo postopka določanja vidnih mej zemljišč iz posnetkov brezpilotnih letal. Pri tem uporablja orodja globokega učenja in programsko opremo ENVI Deep Learning omenjenega podjetja.  

Kartiranje meja, vzpostavitev popolnega katastrskega sistema in možnost njegovega posodabljanja je najpomembnejša prednostna naloga pri upravljanju zemljišč. Pri uresničevanju te prednostne naloge obstajajo številni izzivi, vendar lahko s poceni in hitrimi tehnikami katastrske izmere in kartiranja premagamo številne od njih. Tehnike posrednega kartiranja temeljijo na določanju vidnih katastrskih meja na podlagi posnetkov daljinskega zaznavanja visoke ločljivosti. Uporaba slikovnega kartiranja temelji na spoznanju, da številne katastrske meje sovpadajo z naravnimi ali umetnimi mejami, kot so žive meje, meje zemljišč, zidovi stavb, ceste itd., in jih je mogoče zlahka prepoznati iz posnetkov daljinskega zaznavanja ali posnetkov brezpilotnih letal. 

Prve ugotovitve, ki jih je objavil v reviji Remote Sesning, kažejo, da se lahko globoko učenje učinkovito uporablja v ta namen. Ker ENVI Deep Learning ne zahteva programiranja, lahko ta pristop postane pomembno orodje za upravljavce zemljišč, ki običajno niso vešči programiranja.