تصوير الطائرات بدون طيار: بدءًا من التقاط الصور وصولاً إلى تحليل الذكاء الجغرافي الآلي

يمكن تعريف رسم خرائط الواقع على أنه عملية إنشاء تمثيل رقمي دقيق مكانيًا ثنائي الأبعاد وثلاثي الأبعاد للعالم المادي باستخدام الصور أو أجهزة الليدار. يعد إنشاء محتوى أساسي باستخدام تقنيات نظم المعلومات الجغرافية (GIS) مفيدًا للغاية، خاصة عندما لا يكون هذا المحتوى متاحًا بعد، حيث يمكن الحصول على عرض واقعي وشامل للمواقع المهمة والبدء في حل المشكلات.لذلك، عند استخدام الطائرات بدون طيار لالتقاط الصور الحالية، نحصل على سياق حقيقي للبيانات المكانية. بعد ذلك، يمكننا وضع نقاط بيانات إضافية للطبقة فوق التمثيل الرقمي لتحليل أعمق وتسهيل الحصول على عرض شامل لمجموعة كبيرة من أصحاب المصلحة.

يمثل الذكاء الاصطناعي الجغرافي المكاني (GeoAI) تكاملًا للذكاء الاصطناعي (AI) مع البيانات المكانية والعلوم والتكنولوجيا، بهدف زيادة الفهم وحل المشكلات المكانية وأتمتة استخراج المعلومات.

باستخدام برنامج ArcGIS، يمكنك تحليل مجموعة متنوعة كبيرة من الصور، بدءًا من الغمامة النقطية وحتى الصور المشتقة من الفيديو.يمكن تنفيذ مجموعة متنوعة من المهام باستخدام الصور، بما في ذلك اكتشاف التغييرات، وتحديد ملاءمة الموقع، ومراقبة الغطاء النباتي، واكتشاف الكائنات، وتنقيح الصور، أو استخراج المعالم وتصنيفها.

بالنسبة لإدارة الممتلكات العامة والتجارية، يمكن للمؤسسات استخدام الصور الثابتة أو المتحركة لاكتشاف المركبات وتصنيفها وإحصائها، وذلك لمعرفة متى تصل ساحات الانتظار إلى سعتها. لمراقبة حق الطريق للمرافق، يمكن استخدام تقنية الغمامة النقطية لتصنيف أصول المرافق وتحديد تعديات الغطاء النباتي في الشبكة، وذلك للمساعدة في منع حرائق الغابات. في مجال البحث البيئي، يمكن استخدام خوارزميات التصوير العمودي أو صور الفيديو وخوارزميات التصنيف لاكتشاف التغيرات في مجموعات الحيوانات بمرور الوقت، وذلك لفهم كيفية تطورها وتغيرها.

موفر للوقت: نماذج الذكاء الاصطناعي المدرب مسبقًا
توفر شركة Esri الآن أكثر من 40 نموذجًا مدربة مسبقًا من نماذج التعلم العميق والجاهزة للاستخدام في ArcGIS Living Atlas of the World. تلغي نماذج التعلم العميق المدربة مُسبقًا الحاجة إلى كميات ضخمة من بيانات التدريب وموارد الحوسبة الضخمة والمعرفة الشاملة بالذكاء الاصطناعي (AI). تتيح لك تسريع سير العمل الجغرافي المكاني الخاص بك، من خلال استخدام الخبرات والموارد المضمنة المصممة خصوصًا لاستخراج معالم الصور وتصنيف الغطاء الأرضي وتنقيح الصور واكتشاف الكائنات. أتمتة طريقة استخراج رؤى insights هادفة من الصور والسحب النقطية ومقاطع الفيديو.

تشمل نماذج التعلم العميق المدربة مسبقًا التي توفرها Esri، العديد من المهام مثل اكتشاف السيارات، واكتشاف المباني، وتصنيف الغطاء الأرضي، واكتشاف خطوط الطاقة، واكتشاف شقوق الرصيف. يمكنك الحصول على أي نموذج مدرب مسبقًا من اختيارك وتشغيله على صورك باستخدام ArcGIS Image for ArcGIS Online أو ArcGIS Pro. يمكنك بعد ذلك ضبطه ليلائم احتياجاتك وموقعك. ليس هناك حاجة للتدريب.

شاهد الفيديوهات التوضيحية التالية لتعرف كيفية استخدام التقنيات الحديثة مثل الذكاء الاصطناعي وصور الطائرات بدون طيار في مجالات مختلفة من الصناعة، لحل المشكلات المعقدة.

يستخدم مطار سان برناردينو الدولي طائرات بدون طيار في مركز أنظمة الطائرات بدون طيار الجديد. يتعين تقييم المسافات في مطارات الإقلاع والهبوط، بما في ذلك الممرات والطرق الخرسانية المحيطة بها، بانتظام للتأكد من سلامتها وجاهزيتها للاستخدام. على الرغم من أن هذا العمل تم تنفيذه تاريخيًا بشكل شخصي، حيث استغرقت مئات الساعات من العمل الميداني على الأرض، إلا أنه يمكن اليوم الاستفادة من خوارزميات الطائرات بدون طيار والذكاء الاصطناعي لتسريع هذه العملية. شاهد هذا العرض التوضيحي لترى كيف يتم استخدام تقنيات الذكاء الاصطناعي والتعلم العميق للكشف عن أعطال الرصيف، وفحص الممرات والطرق الخرسانية سريعًا للتحقق من وجود شقوق أو أضرار.

تتميز المناطق الساحلية في بليز بارتفاعها المنخفض، مما يزيد من احتمالية حدوث الفيضانات وتعرضها للخطر. من خلال استخدام صور الطائرات بدون طيار ونماذج التعلم العميق المدروسة مسبقاً، يمكننا تحديد نقاط ضعف الهياكل، بما في ذلك ليس فقط الموقع القريب من المحيط، ولكن أيضاً ارتفاع الهياكل ومواد البناء ومجموعة متنوعة من المعالم الأخرى. يوضح هذا العرض التوضيحي استخدام بليز كمثال لعملية تحميل الصور في منصة ArcGIS Online باستخدام إمكانيات جديدة متاحة في ArcGIS Image for ArcGIS Online، وذلك لتسريع بدء التحليل في السحابة دون الحاجة إلى الترميز.

خلال عام 2018، اندلع حريق "وولسي فاير" في محيط مدينة لوس أنجلوس بولاية كاليفورنيا، وتسبب في حرق ما يقرب من 97,000 فدان من الأراضي خلال فترة استمرت 15 يوماً تقريباً. كان من الضروري إجراء استطلاع لحجم الضرر الناجم عن الحريق للمساعدة في عمليات الإغاثة والتعافي من الكارثة. في الماضي، كانت عملية تصنيف الصور الجوية تتطلب عدة أيام لإنجازها يدويًا، ولكن الآن يمكن إنجازها في ساعات قليلة فقط، بفضل استخدام نماذج التعلم الآلي المدربة مسبقًا وتقنيات الذكاء الاصطناعي. يوضح العرض التوضيحي استخدام مثال حريق Woolsey لتوجيه المستخدمين خلال عملية تدريبهم وإنشاء نموذج تعلم عميق خاص بهم لتحليل حجم الأضرار الناجمة عن الحرائق.