Zobrazowania z dronów: Od rejestrowania po zautomatyzowane analizy GeoAI

Tworzenie map rzeczywistości jest definiowane jako proces generowania przestrzennie dokładnej cyfrowej reprezentacji 2D i 3D świata fizycznego przy użyciu obrazów lub danych z lidaru. Bardzo przydaje się tu technologia systemu informacji geograficznych (GIS), która pozwala ustalić zasoby podstawowe – tam, gdzie nie są one jeszcze dostępne – i uzyskać realistyczny obraz ważnych miejsc oraz rozpocząć rozwiązywanie problemów.Tak więc wykorzystując drony do rejestrowania aktualnych obrazów, nadajemy rzeczywisty kontekst danym przestrzennym. Możemy następnie nałożyć dodatkowe punkty danych na cyfrową reprezentację, dzięki czemu pogłębiamy analizę i zapewniamy kompleksowy obraz sytuacji szerokiej gamie zainteresowanych.

Sztuczna inteligencja geoprzestrzenna (GeoAI) powstaje w wyniku integracji sztucznej inteligencji (AI) z danymi przestrzennymi, nauką i technologią. Pozwala ona uzyskiwać dodatkowe informacje, rozwiązywać problemy przestrzenne i automatyzować proces pozyskiwania informacji.

Korzystając z systemu ArcGIS, można analizować szeroką gamę zobrazowań – od chmury punktów przez zobrazowania zorientowane po filmy.Wykonuj różne zadania dotyczące zobrazowań, takie jak wykrywanie zmian, sprawdzanie przydatności miejsc, monitorowanie roślinności, wykrywanie obiektów, redagowanie obrazów lub wyodrębnianie i klasyfikacja obiektów.

W przypadku zarządzania nieruchomościami publicznymi i komercyjnymi instytucje mogą na przykład korzystać ze zobrazowań nieruchomych lub animowanych do wykrywania, klasyfikowania i liczenia pojazdów. Dzięki temu można dowiedzieć się, kiedy zapełnią się parkingi. W przypadku monitorowania publicznych sieci infrastrukturalnych chmury punktów mogą być używane do klasyfikowania zasobów użytkowych i identyfikowania roślinności, która zarasta sieć, co pomaga zapobiegać pożarom. W badaniach środowiskowych ortozobrazowania lub zobrazowania wideo i algorytmy klasyfikacji mogą wykrywać zmiany w populacjach zwierząt w czasie, co ułatwia zrozumienie ich ewolucji.

Oszczędność czasu: Wstępnie wytrenowane modele SI
Esri dostarcza teraz ponad 40 wstępnie wytrenowanych, gotowych do użytku modeli Deep Learning, które są dostępne w atlasie ArcGIS Living Atlas of the World. Te wstępnie wytrenowane modele Deep Learning eliminują potrzebę posiadania dużej ilości danych treningowych, bogatych zasobów komputerowych i obszernej wiedzy na temat sztucznej inteligencji (SI). Przyspieszają one przestrzenne procedury wykonywania zadań przy użyciu wbudowanych funkcji i zasobów zaprojektowanych specjalnie z myślą o wyodrębnianiu obiektów z obrazów, klasyfikowaniu pokrycia terenu, edytowaniu obrazów i wykrywaniu obiektów. Zautomatyzuj sposoby wyodrębniania ważnych spostrzeżeń z obrazów, chmur punktów i filmów.

Wstępnie wytrenowane modele Deep Learning firmy Esri potrafią wykrywać samochody, budynki, linie energetyczne i pęknięcia nawierzchni oraz klasyfikować pokrycie terenu. Wystarczy pobrać wstępnie wytrenowany model i uruchomić go na swoich zobrazowaniach za pomocą aplikacji ArcGIS Image for ArcGIS Online lub ArcGIS Pro. Można go też dostosować do swoich potrzeb i lokalizacji. Nie jest potrzebny żaden trening.

Obejrzyj poniższe filmy demonstracyjne, aby dowiedzieć się, jak SI i zobrazowania z drona są wykorzystywane w różnych branżach do rozwiązywania złożonych problemów.

Wieże przesyłowe energii elektrycznej wykorzystują izolatory, aby zapobiec wyciekaniu prądu z przewodów do ziemi. Przedsiębiorstwa energetyczne przeprowadzają regularne kontrole infrastruktury przesyłowej i dystrybucyjnej w celu zapewnienia bezpieczeństwa i wydajności. 

Ten film pokazuje, jak wykorzystać zdjęcia z dronu wraz z modelem Deep Learning firmy Esri do wykrywania izolatorów i klasyfikowania usterek. Dzięki identyfikacji cech wizualnych izolatorów model może dokładnie zlokalizować i sklasyfikować je na złożonym tle, a następnie szybko przydzielić zdalne ekipy do ich naprawy.

Zastosowanie tej technologii umożliwia automatyczną kontrolę linii energetycznych na dużą skalę, co pozwala na szybkie przeprowadzanie kontroli bez konieczności ręcznej interwencji. Pozwala to nie tylko skrócić czas i obniżyć koszty kontroli, ale także zwiększyć bezpieczeństwo podczas konserwacji infrastruktury elektrycznej.