Industry 4.0 in Progress: New Vision brought by Drones and Artificial Intelligence
UndoubtedlydroneApplications are becomingindustry4.0One of its components. When drones are combined with artificial intelligence, whether in busy construction sites, spectacular solar arrays, or endless farms and shark infested beaches, both constantly provide human managers with new visual experiences.
This kind of vision gives us the ability to see more broadly, clearly, and deeply, and when the images captured by drones are transformed into large datasets and combined with powerful analysis software, it provides us with unprecedented capabilities in data collection, analysis, management, maintenance, and prediction.
With the continuous development and popularization of drone technology, the availability of high-resolution images for various tasks such as maintenance, measurement, mapping, and monitoring is increasing. As one of the most important application goals of artificial intelligence in the drone industry, effectively utilizing large datasets collected by drones means that the datasets can be processed in an automated manner.
At present, there are many mature software companies in the market that provide users with AI based data analysis solutions to enable unstructured drone data“operable”And obtain valuable analysis results without time-consuming manual analysis.
1.实践中的智能分析
从农业到建筑，从能源到安全/安防，深度学习或机器学习算法的使用已经涵盖了无人机应用的许多垂直领域。
例如，在2017年底，Pix4D已经开始使用机器学习算法进行多种摄影测量应用，将3D点云分类为建筑物，道路或植被等类别，而现在已经可以使用各种智能工具来计算树木数量并确定它们的高度和种类，甚至可以使用这些工具来确定道路、建筑物或植被表面计数，还可以计算停车场中的汽车数量，或一定区域中适合安装太阳能电池的屋顶。
Pix4D还与Hummingbird合作开发了一款软件，帮助农场经理和农艺师解决那些导致生产力受到严重破坏的作物和植物病害问题。他们将特定的机器学习功能添加到强大的算法中，以发现和破译隐藏的模式，从而帮助客户实现更准确的诊断和针对性处理。
Ardenna公司正在利用图像处理和人工智能进行自动检测，对铁路和风力涡轮机检查过程中发现的异常情况进行分类和报告。在无人机进行铁路检查后，他们收集了来自100英里铁轨的大约40,000张图像，而该公司的软件可以自动检测30种不同类型的异常，处理时间不到5小时。
Skycatch的系统则可以在施工现场执行自动化任务，通过深度学习模型识别和跟踪施工现场的资产和物料交付。像这样的实时跟踪可以用于预测项目延迟，而随着时间的推移，该系统可以学习如何防止这种延迟，以帮助建筑公司节省大量资金。
In2017年美国发生哈维飓风灾害后，EagleView Technologies使用机器学习算法来创建房产分析数据。这种方法使得保险公司可以分析无人机图像并有效地对损害进行分类，这对于在飓风后快速处理大量索赔起到了非常重要的作用。
澳大利亚的Westpac集团推出了世界首个自动化鲨鱼监测无人机系统Shark Spotter，该系统基于复杂的深度学习框架开发了一种算法，可通过配备物体识别功能的无人机来实时检测和识别水中鲨鱼的出没迹象，并快速应对海滩附近的鲨鱼潜在威胁。
美国公司Nanonets可为其他企业或软件开发商在构建机器学习模型方面提供支持。所有客户需要做的是向他们发送一些样本，以便模型可以从中学习，例如检查太阳能电厂或计算图像中的某种物体。
Nearthlab是一家韩国软件公司，目前正在开发一种解决方案，可以自动检测并报告照片中风力涡轮机叶片的损坏情况。通过应用此技术，客户可以快速识别损坏，并在需要时启动相关措施。
普华永道英国是全球首家使用无人机进行库存盘点审计的公司。
公司用无人机拍摄英国最后一家燃煤电站之一的燃煤储量，并将其拍摄的图像用于创建点云“数字孪生”模型，以测量煤堆的体积。据测量结果，准确率超过99%。
2.人工智能的加速应用
根据DRONEII最近对drone数据分析软件开发商的一项调查，无人机及相关的人工智能分析技术已经在能源、安全/安防、建筑、矿业、油气开采、物流、农业、保险、地产、交通等多个行业都得到了广泛应用。
根据调查数据，大多数公司都致力于为能源行业开发用于数据分析的无人机软件，可见该行业无人机应用的广阔前景。
许多受访者表示，使用数据分析软件不仅可以实现工业资产的可视化，还可以识别和管理维护问题或异常状况。
受访企业参与的第二大应用行业是建筑业。其中，大多数应用涉及监测施工现场的变化或库存量的测量。
在矿业，采石和石油/天然气开采行业，无人机软件工具主要用于监控站点进度，测绘整个采矿站点的数据，或计算采掘量。
调查还显示，37％的受访者仅使用人工智能算法，而63％的受访者仍然信赖结合了机器学习或深度学习方法的传统计算机视觉软件。此外，没有一家无人机数据分析服务商表示其既不使用机器学习也不使用深度学习算法。
在仅使用AI驱动软件的公司中，50％的公司同时采用了深度学习和机器学习算法，30％只使用机器学习算法，而20％只使用深度学习算法。
在目前，虽然大多数无人机数据分析公司仍在使用传统方法处理从无人机获取的数据，但是所有参与者对是否部署人工智能工具做出积极回应的事实再次表明人工智能对无人机行业越来越重要。
DRONEII认为，人工智能还不是所有大数据分析问题的解决方案。人工智能技术（机器学习或深度学习）及其结果仅与用于构建分类模型的训练数据表现得一样好。
DRONEII预测，进一步利用和开发这些强大的智能数据处理工具将大大减少大数据的处理时间，而这正是目前的一个巨大挑战。
此外，虽然目前更多的软件开发人员聚焦于能源，建筑，采矿和采石业等更为成熟的行业，但在未来，保险，农业，房地产和物流运输等行业都将越来越多地寻求无人机相关分析软件的帮助。
消息来源/中国机器人产业联盟网
