无人机影像：从捕获到自动 GeoAI 分析

现实映射被定义为使用图像或激光雷达创建空间方面准确的物理世界的 2D 和 3D 数字表示的过程。 当使用地理信息系统 (GIS) 技术建立基础内容（该内容目前尚不可用）以获取关键站点的真实视图并开始解决问题时，这将非常有用。因此，通过使用无人机捕捉当前影像，我们可以获得空间数据的真实世界环境。 然后，我们可以在数字表示上对附加数据点进行分层，进行更深入的分析，并促进各利益相关者的整体视图。

地理空间人工智能 (GeoAI) 是人工智能 (AI) 与空间数据、科学和技术的集成，可以增加理解、解决空间问题并自动提取信息。

借助 ArcGIS，您可以分析各种影像：从点云到定向影像，再到视频。使用影像执行各种任务，包括变化检测、站点适宜性、植被监测、对象检测、图像编辑或要素提取和分类。

对于公共和商业物业管理，组织可以使用静止影像或运动影像来检测、分类和计算车辆数量，以了解停车场何时达到容量。 对于公共设施路权监测，点云可用于对公共设施资产进行分类并识别网络中的植被侵占，以帮助防止野火。 在环境研究中，正射影像或视频影像和分类算法可以检测动物种群随时间的变化，以了解它们的进化方式。

节省时间：预训练 AI 模型
Esri 目前提供了 40 多个预训练深度学习模型，可供在 ArcGIS Living Atlas of the World 中使用。 这些预训练深度学习模型消除了对大量训练数据、海量计算资源和广泛的人工智能 (AI) 知识的需求。 利用这些模型，您可以借助专为图像要素提取、土地覆被分类、图像编辑和对象检测而设计的内置专业知识和资源，加速地理空间工作流。 自动化从影像、点云和视频中提取有意义见解的方式。

来自 Esri 的预训练深度学习模型包括汽车检测、建筑物检测、土地覆被分类、电力线检测和路面裂缝检测。 仅需获取所选预训练模型，然后使用 ArcGIS Image for ArcGIS Online 或 ArcGIS Pro 在影像上运行它。 然后，您可以根据需求和位置对其进行微调。 无需培训。

观看以下演示视频，了解各行业如何使用 AI 和无人机影像来解决复杂问题。

输电塔使用绝缘子以防止电流从导体泄漏到地面。 电力公司会定期检查输电和配电基础设施，以保障安全和效率。

此视频演示了如何利用无人机影像和 Esri 的深度学习模型来检测绝缘子并对缺陷进行分类。 通过识别绝缘子的视觉特征，模型可在复杂的背景中对绝缘子进行精确定位和分类，从而快速指派远程维修团队进行修复。

该技术支持对电力线进行大规模自动化检测，实现无需人工干预的快速检测。 这不仅降低了检测时间与成本，也加强了电力基础设施维护的安全措施。