毫無(wú)疑問，無(wú)人機(jī)應(yīng)用正在成為工業(yè)4.0的一個(gè)組成部分。當(dāng)無(wú)人機(jī)與人工智能相結(jié)合，無(wú)論是在繁忙的施工現(xiàn)場(chǎng)、壯觀的太陽(yáng)能陣列上空，還是在一望無(wú)際的農(nóng)場(chǎng)、鯊魚出沒的海灘，兩者不斷為人類管理者提供全新的視覺。

這種視覺讓我們有能力看得更廣、更清晰、更深入，而當(dāng)無(wú)人機(jī)采集的圖像轉(zhuǎn)化為大型數(shù)據(jù)集，并結(jié)合強(qiáng)大的分析軟件，則為我們提供了前所未有的數(shù)據(jù)采集、分析、管理、維護(hù)與預(yù)測(cè)能力。

隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展和普及，用于維護(hù)、測(cè)量、測(cè)繪和監(jiān)測(cè)等各種任務(wù)的高分辨率圖像的可用性正在增加。作為人工智能在無(wú)人機(jī)行業(yè)中最重要的應(yīng)用目標(biāo)之一，有效利用無(wú)人機(jī)收集的大型數(shù)據(jù)集則意味著可對(duì)數(shù)據(jù)集以自動(dòng)化方式進(jìn)行處理。

在目前，市場(chǎng)上已經(jīng)有許多成熟的軟件公司為用戶提供基于人工智能的數(shù)據(jù)分析解決方案，使非結(jié)構(gòu)化無(wú)人機(jī)數(shù)據(jù)“可操作”并獲得有價(jià)值的分析結(jié)果，而無(wú)需耗時(shí)的手動(dòng)分析。

1.實(shí)踐中的智能分析

從農(nóng)業(yè)到建筑，從能源到安全/安防，深度學(xué)習(xí)或機(jī)器學(xué)習(xí)算法的使用已經(jīng)涵蓋了無(wú)人機(jī)應(yīng)用的許多垂直領(lǐng)域。

例如，在2017年底，Pix4D已經(jīng)開始使用機(jī)器學(xué)習(xí)算法進(jìn)行多種攝影測(cè)量應(yīng)用，將3D點(diǎn)云分類為建筑物，道路或植被等類別，而現(xiàn)在已經(jīng)可以使用各種智能工具來(lái)計(jì)算樹木數(shù)量并確定它們的高度和種類，甚至可以使用這些工具來(lái)確定道路、建筑物或植被表面計(jì)數(shù)，還可以計(jì)算停車場(chǎng)中的汽車數(shù)量，或一定區(qū)域中適合安裝太陽(yáng)能電池的屋頂。

Pix4D還與Hummingbird合作開發(fā)了一款軟件，幫助農(nóng)場(chǎng)經(jīng)理和農(nóng)藝師解決那些導(dǎo)致生產(chǎn)力受到嚴(yán)重破壞的作物和植物病害問題。他們將特定的機(jī)器學(xué)習(xí)功能添加到強(qiáng)大的算法中，以發(fā)現(xiàn)和破譯隱藏的模式，從而幫助客戶實(shí)現(xiàn)更準(zhǔn)確的診斷和針對(duì)性處理。

Ardenna公司正在利用圖像處理和人工智能進(jìn)行自動(dòng)檢測(cè)，對(duì)鐵路和風(fēng)力渦輪機(jī)檢查過(guò)程中發(fā)現(xiàn)的異常情況進(jìn)行分類和報(bào)告。在無(wú)人機(jī)進(jìn)行鐵路檢查后，他們收集了來(lái)自100英里鐵軌的大約40,000張圖像，而該公司的軟件可以自動(dòng)檢測(cè)30種不同類型的異常，處理時(shí)間不到5小時(shí)。

Skycatch的系統(tǒng)則可以在施工現(xiàn)場(chǎng)執(zhí)行自動(dòng)化任務(wù)，通過(guò)深度學(xué)習(xí)模型識(shí)別和跟蹤施工現(xiàn)場(chǎng)的資產(chǎn)和物料交付。像這樣的實(shí)時(shí)跟蹤可以用于預(yù)測(cè)項(xiàng)目延遲，而隨著時(shí)間的推移，該系統(tǒng)可以學(xué)習(xí)如何防止這種延遲，以幫助建筑公司節(jié)省大量資金。

在2017年美國(guó)發(fā)生哈維颶風(fēng)災(zāi)害后，EagleView Technologies使用機(jī)器學(xué)習(xí)算法來(lái)創(chuàng)建房產(chǎn)分析數(shù)據(jù)。這種方法使得保險(xiǎn)公司可以分析無(wú)人機(jī)圖像并有效地對(duì)損害進(jìn)行分類，這對(duì)于在颶風(fēng)后快速處理大量索賠起到了非常重要的作用。

澳大利亞的Westpac集團(tuán)推出了世界首個(gè)自動(dòng)化鯊魚監(jiān)測(cè)無(wú)人機(jī)系統(tǒng)Shark Spotter，該系統(tǒng)基于復(fù)雜的深度學(xué)習(xí)框架開發(fā)了一種算法，可通過(guò)配備物體識(shí)別功能的無(wú)人機(jī)來(lái)實(shí)時(shí)檢測(cè)和識(shí)別水中鯊魚的出沒跡象，并快速應(yīng)對(duì)海灘附近的鯊魚潛在威脅。

美國(guó)公司Nanonets可為其他企業(yè)或軟件開發(fā)商在構(gòu)建機(jī)器學(xué)習(xí)模型方面提供支持。所有客戶需要做的是向他們發(fā)送一些樣本，以便模型可以從中學(xué)習(xí)，例如檢查太陽(yáng)能電廠或計(jì)算圖像中的某種物體。

Nearthlab是一家韓國(guó)軟件公司，目前正在開發(fā)一種解決方案，可以自動(dòng)檢測(cè)并報(bào)告照片中風(fēng)力渦輪機(jī)葉片的損壞情況。通過(guò)應(yīng)用此技術(shù)，客戶可以快速識(shí)別損壞，并在需要時(shí)啟動(dòng)相關(guān)措施。

普華永道英國(guó)是全球首家使用無(wú)人機(jī)進(jìn)行庫(kù)存盤點(diǎn)審計(jì)的公司。

公司用無(wú)人機(jī)拍攝英國(guó)最后一家燃煤電站之一的燃煤儲(chǔ)量，并將其拍攝的圖像用于創(chuàng)建點(diǎn)云“數(shù)字孿生”模型，以測(cè)量煤堆的體積。據(jù)測(cè)量結(jié)果，準(zhǔn)確率超過(guò)99%。

2.人工智能的加速應(yīng)用

根據(jù)DRONEII最近對(duì)無(wú)人機(jī)數(shù)據(jù)分析軟件開發(fā)商的一項(xiàng)調(diào)查，無(wú)人機(jī)及相關(guān)的人工智能分析技術(shù)已經(jīng)在能源、安全/安防、建筑、礦業(yè)、油氣開采、物流、農(nóng)業(yè)、保險(xiǎn)、地產(chǎn)、交通等多個(gè)行業(yè)都得到了廣泛應(yīng)用。

根據(jù)調(diào)查數(shù)據(jù)，大多數(shù)公司都致力于為能源行業(yè)開發(fā)用于數(shù)據(jù)分析的無(wú)人機(jī)軟件，可見該行業(yè)無(wú)人機(jī)應(yīng)用的廣闊前景。

許多受訪者表示，使用數(shù)據(jù)分析軟件不僅可以實(shí)現(xiàn)工業(yè)資產(chǎn)的可視化，還可以識(shí)別和管理維護(hù)問題或異常狀況。

受訪企業(yè)參與的第二大應(yīng)用行業(yè)是建筑業(yè)。其中，大多數(shù)應(yīng)用涉及監(jiān)測(cè)施工現(xiàn)場(chǎng)的變化或庫(kù)存量的測(cè)量。

在礦業(yè)，采石和石油/天然氣開采行業(yè)，無(wú)人機(jī)軟件工具主要用于監(jiān)控站點(diǎn)進(jìn)度，測(cè)繪整個(gè)采礦站點(diǎn)的數(shù)據(jù)，或計(jì)算采掘量。

調(diào)查還顯示，37％的受訪者僅使用人工智能算法，而63％的受訪者仍然信賴結(jié)合了機(jī)器學(xué)習(xí)或深度學(xué)習(xí)方法的傳統(tǒng)計(jì)算機(jī)視覺軟件。此外，沒有一家無(wú)人機(jī)數(shù)據(jù)分析服務(wù)商表示其既不使用機(jī)器學(xué)習(xí)也不使用深度學(xué)習(xí)算法。

在僅使用AI驅(qū)動(dòng)軟件的公司中，50％的公司同時(shí)采用了深度學(xué)習(xí)和機(jī)器學(xué)習(xí)算法，30％只使用機(jī)器學(xué)習(xí)算法，而20％只使用深度學(xué)習(xí)算法。

在目前，雖然大多數(shù)無(wú)人機(jī)數(shù)據(jù)分析公司仍在使用傳統(tǒng)方法處理從無(wú)人機(jī)獲取的數(shù)據(jù)，但是所有參與者對(duì)是否部署人工智能工具做出積極回應(yīng)的事實(shí)再次表明人工智能對(duì)無(wú)人機(jī)行業(yè)越來(lái)越重要。

DRONEII認(rèn)為，人工智能還不是所有大數(shù)據(jù)分析問題的解決方案。人工智能技術(shù)（機(jī)器學(xué)習(xí)或深度學(xué)習(xí)）及其結(jié)果僅與用于構(gòu)建分類模型的訓(xùn)練數(shù)據(jù)表現(xiàn)得一樣好。

DRONEII預(yù)測(cè)，進(jìn)一步利用和開發(fā)這些強(qiáng)大的智能數(shù)據(jù)處理工具將大大減少大數(shù)據(jù)的處理時(shí)間，而這正是目前的一個(gè)巨大挑戰(zhàn)。

此外，雖然目前更多的軟件開發(fā)人員聚焦于能源，建筑，采礦和采石業(yè)等更為成熟的行業(yè)，但在未來(lái)，保險(xiǎn)，農(nóng)業(yè)，房地產(chǎn)和物流運(yùn)輸?shù)刃袠I(yè)都將越來(lái)越多地尋求無(wú)人機(jī)相關(guān)分析軟件的幫助。