北美首頁新聞時尚大陸台灣美國娛樂體育財經圖片移民微博健康

無人機檢查煉油廠管線 省錢而且更有效率

http://news.sina.com   2017年09月14日 06:09   中國日報

  (綜合報導)麻省理工科技評論(MIT Technology Review)7 日報導,奇異創投(GE Ventures)子公司 Avitas Systems 現在透過無人機或機器人,讓油管、電力綫以及交通系統的檢查工作得以自動化。Avitas 利用現成的 Nvidia 機器學習技術(DGX-1系統)來引導檢查流程、自動地從收集的影像數據中找出可能的異常之處。

  Avitas 創辦人 Alex Tepper 表示,客戶過去得花數億美元,派人去偏遠地區手動檢查設備。無人機或機器人可重覆多次地自動收集相同地點的影像,因此能夠輕鬆地察覺異狀。Avitas 預估這樣的自動化檢查方式每年可為一家煉油廠省下 100 萬美元的檢修費用。

  Nvidia 部落格 7 日報導,Avitas Systems 透過 NVIDIA 人工智慧(AI)超級運算平台「DGX-1」所提供的 AI 服務可讓機器人自行穿越工業場所,探索人類無法踏上的地方。

  Avitas 利用電腦視覺技術學習檢測故障並創建目標區域、組件需要維修或汰換更新的熱圖,並根據風險機率排定維修的先后順序。

  NVIDIA 連續 3 年名列麻省理工科技評論年度「50 家最聰明企業(50 Smartest Companies)」名單,2017 年更是高居第一名。

  機器學習 —達到人工智慧的方法

  機器學習最基礎的用法,是通過演算法來分析數據、從中學習,以及判斷或預測現實世界裏的某些事,並非手動編寫帶有特定指令的軟體程序來完成某個特殊任務,而是使用大量的數據和演算法來「訓練」機器,讓它學習如何執行任務。

  最早提出人工智慧概念的學者們構思出機器學習的概念,多年來也發展出決策樹學習、歸納邏輯編程、叢集、強化學習和貝葉斯網路等演算法,然而這些都沒有達到廣義人工智慧的最終目標,也未實現狹義人工智慧的一小部分目標。

  其實多年來最擅長應用機器學習的領域之一就是電腦視覺,不過仍得靠大量人工編碼作業來完成工作。人們會製作人工編碼分類器,像是邊緣檢測過濾器,讓程序可以識別對象的啓止位置、進行形狀檢測以確定是否為八邊形,還有用來識別「S-T-O-P」的分類器。從這些人工編碼分類器中,發展出能理解影像的演算法,「學習」判斷是否這是一個停止標誌。

  這很好,但還不到讓人驚艷的程度,特別是在起霧時無法完全看到標誌的情況下,或者被樹遮住了一部分。太過脆弱又太容易出錯的電腦視覺和影像檢測技術,還達不到與人類媲美的水準,一直要到近期才有重大突破。

  時間和正確的學習演算法改變了一切。

Bookmark and Share
|
關閉
列印
轉寄
去論壇發表評論