Imagens de Drones: Da Captura à Análise Automatizada de GeoAI

O mapeamento da realidade é definido como um processo de criação de uma representação digital 2D e 3D espacialmente precisa do mundo físico usando imagens ou lidar. É muito útil ao usar a tecnologia do sistema de informações geográficas (GIS) para estabelecer conteúdo básico, onde ainda não está disponível, para obter uma visão realista de locais críticos e começar a solucionar problemas.Então, usando drones para capturar imagens atuais, ganhamos contexto do mundo real para dados espaciais. Podemos então colocar pontos de dados adicionais sobre a representação digital para uma análise mais profunda e facilitar uma visão holística para uma ampla variedade de partes interessadas.

A inteligência artificial geoespacial (GeoAI) é a integração da inteligência artificial (AI) com dados espaciais, ciência e tecnologia para aumentar a compreensão, resolver problemas espaciais e automatizar a extração de informações.

Com o ArcGIS, você pode analisar uma ampla variedade de imagens—qualquer coisa, desde uma nuvem de pontos até imagens orientadas para vídeo. Realize uma variedade de tarefas com imagens, incluindo detecção de alterações, adequação do local, monitoramento de vegetação, detecção de objetos, redação de imagens ou extração e classificação de feições.

Para gerenciamento de propriedades públicas e comerciais, as organizações podem usar imagens estáticas ou em movimento para detectar, classificar e contar veículos para saber quando os estacionamentos atingem a capacidade máxima. Para o monitoramento do direito de passagem da concessionária, as nuvens de ponto podem ser usadas para classificar os ativos da concessionária e identificar invasões de vegetação na rede para ajudar a prevenir incêndios florestais. Na pesquisa ambiental, imagens de ortofotos ou imagens de vídeo e algoritmos de classificação podem detectar mudanças nas populações de animais ao longo do tempo para entender como elas estão evoluindo.

A economia de tempo: Modelos de AI pré-treinados
A Esri agora oferece mais de 40 modelos de aprendizagem detalhado pré-treinados que estão prontos para uso no ArcGIS Living Atlas of the World. Estes modelos de aprendizagem detalhada pré-treinados do ArcGIS eliminam a necessidade de grandes volumes de dados de treinamento, recursos de computação massivos e amplo conhecimento de inteligência artificial (AI). Eles permitem acelerar seus fluxos de trabalho geoespaciais com experiência e recursos integrados projetados especificamente para extração de feições da imagem, classificação de cobertura do solo, redação de imagens e detecção de objetos. Automatize a maneira como você extrai informações significativas de imagens, nuvens de pontos e vídeo.

Os modelos de aprendizagem detalhada pré-treinados da Esri incluem detecção de carros, detecção de edifícios, classificação da cobertura do solo, detecção de linhas de energia e detecção de rachaduras no pavimento. Simplesmente pegue um modelo pré-treinado de sua escolha e execute-o em suas imagens usando ArcGIS Image for ArcGIS Online ou ArcGIS Pro. Você pode então ajustá-lo para atender às suas necessidades e localização. Nenhum treinamento é necessário.

Assista aos seguintes vídeos de demonstração para saber como as imagens de AI e drones estão sendo usadas em diferentes setores para resolver problemas complexos.

O Aeroporto Internacional de San Bernardino opera drones em seu novo Centro de Sistemas de Aeronaves Não Tripuladas. Os quilômetros de pistas de táxi e pistas de concreto do aeroporto precisam ser avaliados regularmente quanto à segurança. Embora historicamente isso tenha sido feito pessoalmente, exigindo centenas de horas de trabalho de pesquisa no terreno, hoje ele pode aplicar drones e algoritmos de inteligência artificial para agilizar o processo. Assista a esta demonstração para ver como a AI e a aprendizagem detalhada são usadas para identificar falhas no pavimento e examinar rapidamente pistas e pistas de táxi em busca de rachaduras.

As áreas costeiras de Belize estão situadas em terrenos baixos, o que aumenta o risco de inundações. Usando imagens de drones e modelos de aprendizagem detalhada pré-treinados, podemos observar a vulnerabilidade das estruturas – não apenas sua proximidade com o oceano, mas também sua elevação, materiais de construção e uma variedade de outros recursos. Usando Belize como exemplo, esta demonstração percorre o processo de transferência de imagens no ArcGIS Online usando novos recursos no ArcGIS Image for ArcGIS Online para iniciar rapidamente a análise na nuvem—sem necessidade de codificação.

Em 2018, o Woolsey Fire queimou quase 97.000 acres de terra ao redor de Los Angeles, Califórnia, em 15 dias. O levantamento da escala dos danos foi fundamental para o alívio de desastres. Anteriormente, levaria dias para classificar manualmente as imagens aéreas, mas agora leva apenas horas, graças a modelos de aprendizagem automático pré-treinados e AI automatizada. Com o exemplo do Woolsey Fire, esta demonstração orienta no processo de treinamento, criação e aplicação de seu próprio modelo de aprendizagem detalhada.