其相关人工智能

PAWS 工业数字交互平台可以利用 Metaverse 中的 3D 可视化和 AI 等先进技术来模拟庞大而复杂的项目。我们设计了使用工业元宇宙的 3 个级别。营销级别仅显示工业工厂的一般方面。知识管理有助于电子学习、降低 HSE 风险和实时数据收集……

固定翼垂直起降无人机是一款多功能无人机，专为野生动物监测、植被分析和危机灾害检测任务而设计。它将垂直起降与高效的远程飞行相结合，可以快速覆盖大面积区域并到达难以到达的地点。它配备了热成像、多光谱和高分辨率摄像头等先进传感器，可提供实时数据，用于追踪野生动物、植被覆盖区域和识别灾区。其自主任务能力允许在危急情况下进行扩展监测和快速响应，使其成为环境和应急行动的理想选择。

ViraStrata 无人机配备了磁力计和高光谱传感器，用于探测和绘制矿藏地图。磁力计可识别地下富含金属的地层引起的地球磁场变化，而高光谱传感器则通过捕捉宽光谱来分析地表成分。这些工具相结合，可以对难以到达或危险地点的资源丰富地区进行精确、非侵入式的勘探。
无人机还配备了一个强大的软件平台，用于分析收集的数据。该软件处理和解释磁力计读数和高光谱图像，生成详细地图和矿物成分模型。它使用先进的算法来突出潜在的资源热点，为矿业公司提供切实可行的见解并提高勘探效率。

使用无人机和人工智能排除太阳能发电厂故障有以下几种方式：

1. 热成像：无人机使用热像仪拍摄太阳能电池板的红外图像。这些图像有助于识别表明存在旁路二极管或开路线程等问题的热点。

2. 人工智能分析图像：人工智能分析无人机拍摄的图像，自动识别异常情况，有助于减少检查时间和成本，比人工检查更准确。

3. 地理标记：无人机拍摄的图像具有地理标记，有助于准确识别缺陷的位置。此功能使维护团队能够快速准确地访问问题区域。

4. 减少检查时间：使用无人机检查大型太阳能发电厂只需几个小时，而人工检查可能需要几天时间

我们创建了一款全新独特的用户友好型网络软件“AFTL”，该软件使用深度学习技术来检测输电线路上的 80 多种缺陷，包括电气、机械和基础问题，例如绝缘体损坏或断裂、螺栓和螺母短缺、腐蚀和生锈。这是一个技术就绪水平 (TRL) 为 8 的国家项目，并被选为 Tavanir 2020 年、2022 年和 2023 年的首要项目。Tavanir 是伊朗的主要发电、输电和配电公司。该项目的无人机 (Drones) 从输电线路上捕获了高分辨率 RGB 图像。该软件的训练和测试数据集是通过使用一种名为“Vira Label”的专用软件对七年间捕获的六百多万张故障图像进行注释而创建的。该软件可帮助专家为无人机图像中的故障创建标签并快速检查它们。我们还开发了一款端到端且用户友好的软件，用户只需上传无人机图像，即可轻松以 PDF、Excel 和 GIS 等不同格式下载故障报告。技术人员可以使用报告中的结果执行其他分析，例如估计组件的预期平均寿命，它还会以 GIS 格式显示故障的确切地理位置。

VATCD 基于深度学习算法自动检测位于伊朗克尔曼省 Gohar Zamin-Sirjan 的露天矿中的张裂纹。这些张裂纹的大小、位置和发展情况通常用于预测边坡破坏并确保采矿作业安全。

最近，无人机获取的遥感 (RS) 图像已被用于计数植物等物体，因为可以在大片田地上获取高时间和空间分辨率的数据。大型正射影像中的手动计数与基于田地的手动计数类似，因为它是一项主观、繁琐的任务，应该由专家来完成，因为植物在生长过程中高度重叠且形状复杂。因此，基于深度学习的自动和精确技术受到了特别关注。
我们已经开发出基于小样本学习的植物计数和开花日期估计的重要算法。

全球铁路网络在交通基础设施中发挥着至关重要的作用，并体现了巨大的投资。被忽视的网络可能会对资产寿命、计划执行情况和整体安全产生严重后果。为了降低这些风险，铁路公司每年都会对其主干线网络进行彻底检查，对关键位置的检查频率更高。然而，传统的人工检查方法不仅成本高昂、耗时长，而且还会给工作人员带来风险并影响计划执行情况。尽管人们已经尝试使用机器视觉技术来实现检查过程的现代化，但这些技术仍然依赖人工检查员手动检查图像，导致实践主观性强且劳动密集型。该项目引入了一种利用深度学习算法（特别是深度神经网络）自动检查图像的突破性方法，提供了一种克服这些限制并彻底改变铁路检查流程的解决方案。

自动制图 Vira Kavir (ACVS) 是一款自动软件，彻底改变了地图的创建方式。使用 ACVS，用户只需上传正射影像，软件就会根据图像中的特征和细节自动生成地图。然而，ACVS 不仅限于创建地图。它还可以通过检测地面或人行道上的管道痕迹来检测管道的位置。
ACVS 基于先进的图像处理和深度学习技术，例如分割和物体检测。分割用于确定建筑物和道路的屋顶、土地和上部结构。分割方法基于变换器，可以处理不同大小的物体。这使软件能够准确识别和标记图像中的不同特征。
物体检测用于检测管道的位置。物体检测方法包括超分辨率模型和注意模块，使其能够检测图像中最小的细节。该算法还利用定向边界框来处理路面不同位置的管道。这使其成为管道检测和绘图的理想工具。
ACVS 的主要优势之一是它能够快速高效地绘制地图并检测管道。这在时间至关重要的紧急情况下尤其有用，例如自然灾害或管道泄漏。该软件还可用于城市规划、环境监测和其他应用。