AI：从传感器细节到智能监控
已发表: 2022-01-18
传感器工程正在发展并变得更加精确。 这对组织的额外好处是显而易见的，例如改进的楼层分辨率将创建更准确的知识。 话虽如此，所关注的事实是一个挑战。 正如技术诀窍在增加一样，所创造的知识量也在增加。 必须对这些数据进行适当管理，以帮助告知企业程序。
导航细节的解决方案在于自动化和人工智能 (AI)。 自动化由一系列算法组成，这些算法旨在机械地根据输入的指令执行操作。 AI 是此过程的关键部分，因为它确保自动化过程继续直观。 结果是，无需人工对话即可应用知识推动的治疗方法，从而减少了企业的压力，因为它释放了大量时间。
产生传感器信息感
传感器技术知识用于发现物体。 这带来了挑战，因为有很多变量会影响已建立的知识，因此自动化方法可能会遇到困难。 困难在于算法无法针对几乎所有变量进行完全开发。
已经产生了针对这一问题的解决方案，这些解决方案依赖于人工智能单元，这些单元旨在更好地管理传感器技术产生的大量信息。 其严肃的应用包括车道偏离警告方法和网站交通指示器识别。
从 AI 应用程序到传感器以及由此产生的信息，存在三种类型的结果。 最初，有一个项目分类来确定一个对象是否在印象中是当前的。 然后是对象识别，其中在图片中检测到单个或附加对象并确定它们的位置。 最后是对象分割，填充项目的实际轮廓。
然而，系统的复杂性从对象分类到分割增加。 必须使用更直观的技术来适当地处理许多变量对信息集的影响。
神经网络的目的
人工智能是工程的一个总括时间段，它使设备能够了解它们的设置并掌握以适应那里发生的调整。 在 AI 中，设备研究是一个子集，它利用统计方法允许设备改进其总体性能，而无需明确编程。 然而，更直观的是深度学习，它是设备学习的一个子集。 Deep Mastering 可以使用深度神经网络 (DNN) 处理大量细节。
这些神经网络对于传感器技术中的物品分类至关重要。 尽管可以很好地利用多个神经网络，但它们都具有普遍的特定属性，这些属性会影响它们如何掌握解释和处理传感器细节的方式。
最初，所有神经网络都需要合格。 为了分类、找出或分割对象，必须指示网络如何处理不同的项目课程。 网络熟练掌握已知的插图或照片，其中对象被适当地标记，直到网络能够以正确的方式对所有对象进行分类、实现和分割。
神经网络并非万无一失。 神经社区分析的结果表达了准确识别对象的机会。 机会比例越高，AI 对选定的断言就越确定。 话虽如此，考虑到几乎从未获得 100% 的事实，重要的是要让您的头脑有一个足够高的可能性百分比以用于公司流程。
不同的神经网络设计有不同的房子。 例如，一些社区风格可以很快得到教育，但在对象评估方面提供的机会百分比较低。 通常，神经社区的指令越精细和耗时，它就越值得信赖。 出于这个原因，应用专有技术的组织必须决定他们是否要优先考虑速度或可靠性。
获取到舞台（云）
无论传感器使用的是视觉效果、视频剪辑还是位置云，都需要不同的神经网络模型。 问题云是内部的一组细节点，代表 3D 条件或对象。 为了开发问题云，使用了激光扫描技术。 几乎每个问题都包含大量信息，这些信息可以与其他知识源一起内置或用于制作 3D 样式。
问题云有特定的神经社区版本，可以解决信息内容的不同需求。 例如，对于英国铁路网的一项研究，开发了一个大约 90 公里长的路线部分的舞台云，它提供了 18 个对象类别的识别。
这项工作提供的主要障碍是详细信息的注册，因为经历了许多扫描旅程才能连接起来以获得可用的东西。 神经网络对物品分类的好坏根据对象的几何性质而因人物品课而异。 例如，神经网络已迅速识别出能量塔和立交桥，但表面之间的区别（例如墙壁形式）并不可靠。
问题云也可以在混合过程中使用，其中技术知识与其他方法相结合，例如电脑辅助样式 (CAD) 设备和其他类型的映射。 当与神经网络结合使用以帮助自动测量和决定前面提到的土地使用时，这一点尤其宝贵。 与您自己的点云技术相比，混合系统对检测表面的任务负有更多责任。
结论有助于获得更好的结果
所有这些主要基于人工智能的技术都具有独特的附加好处，主要基于它们解决的责任。 另一方面，对象分类、舞台云和混合模型的常见之处在于，它们都以人工智能的支持目的为基础。
人工智能帮助人类更快地做出重要选择，并具有额外的感知能力。 在练习中，这是这两个世界中最好的情况，因为它允许人类在可能具有社会、政治或商业企业背景的问题的方向上进行推理，但增强了确定建立方法，允许数据推送根据传感器接收到的内容得出结论。
传感器提供广泛的信息。 在这些事实中存在可操作的见解，可以跨行业利用来增加公司程序。 话虽如此，您还可以生成大量数据，以便个人及时提供这些见解 - 解锁这包括通过神经网络的 AI 方法来增强人类最终决策创建过程。 一旦实施，这项技术将在整个组织和政府中产生改进，先驱者将确保其传感器投资的最大机会。
海克斯康基础安全、基础设施和地理空间部门明智检查选项负责人 Dean McCormick