تصوير الطائرات بدون طيار: بدءًا من التقاط الصور وصولاً إلى تحليل الذكاء الجغرافي الآلي
شركة Key takeaway
يساعدنا رسم خرائط الواقع على إنشاء تمثيلات رقمية ثنائية وثلاثية الأبعاد للعالم المادي، وذلك للاستفادة منها مع تقنيات نظم المعلومات الجغرافية (GIS) وتحصيل المزيد من السياق في العالم الحقيقي للبيانات المكانية. لنقدم خطوة إلى الأمام، يمكننا استخدام التقنيات الحديثة للذكاء الاصطناعي الجغرافي المكاني (GeoAI) لمساعدتنا في استخراج المعلومات من هذه التمثيلات بشكل أكثر كفاءة ودقة وعلى نطاق واسع. ستتاح لك فرصة التعرف على كيفية عمل كل شيء من خلال مجموعة من مقاطع الفيديو التوضيحية، بما في ذلك التدريب واستخدام نماذج التعلم العميق، والاستفادة من نماذج الذكاء الاصطناعي المدربة مسبقًا، واستكشاف تطبيقات العالم الحقيقي في مجموعة متنوعة من الصناعات.
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.
تحليل صور الطائرات بدون طيار باستخدام تقنية الذكاء الجغرافي (GeoAI)
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.
يمكن إجراء التحليل على صور الطائرات بدون طيار عبر مجموعة متنوعة من أنواع البيانات.
سير العمل: التدريب واستخدام نموذج التعلم العميق
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.
يمكن اتباع الخطوات التالية لبدء التدريب واستخدام نموذج التعلم العميق:
شاهد الفيديوهات التوضيحية التالية لتعرف كيفية استخدام التقنيات الحديثة مثل الذكاء الاصطناعي وصور الطائرات بدون طيار في مجالات مختلفة من الصناعة، لحل المشكلات المعقدة.
عرض توضيحي: الاستفادة من تقنيات الذكاء الجغرافي الاصطناعي (GeoAI) لإعداد تقارير حالة البنية الأساسية باستخدام الطائرات بدون طيار
تستخدم أبراج نقل الكهرباء العوازل لمنع تسرب التيار من الموصلات إلى الأرض. تجري شركات الكهرباء عمليات تفتيش منتظمة على البنية الأساسية للنقل والتوزيع لضمان السلامة والكفاءة.
يعرض هذا الفيديو كيفية استخدام صور الطائرات بدون طيار مع نموذج التعلم العميق من Esri لاكتشاف العوازل وتصنيف العيوب. من خلال التعرف على الخصائص المرئية للعوازل، يستطيع النموذج تحديد مواقعها وتصنيفها بدقة ضمن البيئات المعقدة، مع تسريع توجيه الفرق الميدانية لمعالجتها.
يُمكّن استخدام هذه التقنية من تنفيذ عمليات فحص آلية لخطوط الكهرباء على نطاق واسع، مما يتيح إجراء فحوصات سريعة دون الحاجة إلى تدخل يدوي. لا يقتصر ذلك على تقليل وقت وتكاليف الفحص فحسب، بل يُسهم أيضًا في تعزيز إجراءات السلامة في صيانة البنية الأساسية الكهربائية.
هل تحتاج إلى مساعدة في إيجاد الحل الصحيح؟
حدد موعدًا لمحادثة مع أحد مستشاري المبيعات ذوي الخبرة لدينا. أخبرنا كيف تستخدم الصور وبيانات الاستشعار عن بعد الآن، وسوف نوضح لك المكان الذي يمكن أن تنتقل أعمالك إليه في المرحلة القادمة بمساعدة نظام جغرافي مكاني شامل.