随着社会面对这一大流行，人工智能和机器学习算法如何重新定义公用事业检查。
以下是Sharper Shape的首席AI开发人员和数据科学家Jaro Uljanovs的来宾帖子，SharpShape是自动化工业检查的专家。
人工智能(AI)在几乎可以想象到的每个行业中都有广泛的潜在应用-医疗保健，汽车，零售甚至快餐。但是，在公用事业行业中，人工智能和机器学习(ML)开始展示其对业务许多方面的某些最有影响力的影响。电力公司越来越依赖AI来改善电力供应，例如在亚马逊和加利福尼亚州，通过无人机管理软件和植被管理来防止潜在的野火。在后COVID时代，减少的现场劳动力正在迅速成为一种常态，人工智能实际上正在改善人类的工作。
从数据收集和分析到可行见解的呈现，人工智能和机器学习算法正在迅速重新定义公用事业公司如何管理其电力基础设施。
合并和分类数据
公用事业公司监督着庞大的基础设施网络，包括电线杆，导体，变电站。包含这些关键组件的传输线和配电线跨越数千英里。由于存在着火或停电的危险，因此还必须监视围绕该关键基础设施的植被管理。
全面了解这些资产意味着要使用各种不同的传感器进行电力线检查。这些传感器包括光检测和测距(LiDAR)，彩色(RGB)，高光谱和热成像。这使无人机地图绘制软件可以捕获所有内容，包括植被附近，基础设施资产，单个组件(例如变压器上的绝缘子)及其操作完整性，以及指示潜在火灾隐患的热点。
这是要捕获，分类和处理的大量数据。而且，数据中有很多单独的元素(即使只有一张图像)也可以精确定位和分类，更不用说准确地进行分类了。在所有这些传感器上对数十亿个数据点进行分类是一项非常耗时的手动任务。
AI和ML工具可以完成相同的工作-在几秒钟内扫描在数千英里的公用事业基础架构中收集的数千张图像。LiDAR点云分割可以检测导体(相当难于分割的组件类型)，每个点的准确度都超过95%，而高光谱图像分割可以识别植物物种，准确度高达99%。
不仅如此，当与无人机传感器配对时，这些算法还可以改善前期数据收集。AI和ML工具有助于实时调整传感器系统的位置。万一信号丢失或无人机偏离其检查飞行路线，在专业无人机或飞行员硬件上运行的EDGE AI算法可以帮助无人机通过物体检测重新调整焦点，或避免在飞行过程中发生碰撞。避免板碰撞