A Pix4D aspira ser uma empresa que inove e desenvolva tecnologia e técnicas de última geração para seus usuários. Em sua qualidade de líder de mercado de fotogrametria, a Pix4D tem se diversificado até novos setores com o objetivo de suprir uma demanda crescente e de avaliar quais soluções com drones podem ser oferecidas. Um exemplo disso é nosso software de aprendizagem automática.
O uso do Pix4Dinspect com a aplicação do Pix4Dscan é um bom exemplo de como a Pix4D recorre à aprendizagem automática. Enquanto o Pix4Dscan inclui planos de voos desenhados para a inspeção de torres de telecomunicações, o Pix4Dinspect utiliza inteligência artificial (IA) e aprendizagem automática (AA) para acelerar a análise das nuvens de pontos geradas a partir dos dados capturados durante os voos do Pix4Dscan. A AA simplifica a inspeção dos gêmeos digitais da torre de telecomunicações e descarta a necessidade de detetar e medir manualmente os componentes do equipamento. A torre digital gerada não só é uma réplica da realidade, mas também um gêmeo digital criado com aprendizagem automática.
“A Pix4D oferece oportunidades únicas nos campos da IA e a aprendizagem automática, e isso nos faz muito inovadores e competitivos”
Andrea Dotti, chefe da equipe de Core Analytics na Pix4D
O círculo virtuoso da IA
Andrea Dotti explica que a maneira como utilizamos a IA e a aprendizagem automática no Pix4D se alinha com as melhores práticas do setor.
Andrew Ng, Professor de Informática na Universidade de Stanford (Califórnia), opina que:
“A IA é a nova eletricidade. A eletricidad transformou os setores de agricultura, transporte, comunicação e manufatura”
A AA e a IA têm o potencial de transormar indústrias. Um dos conceitos mais básicos porém poderosos no campo da aprendizagem automática é o do “círculo virtuoso da IA”, onde o desenvolvimento da IA faz parte de um ciclo repetitivo entre o produto, os usuários e a coleta de dados.
Andrea explica que, para que a aprendizagem automática avance, seus resultados devem ser validados por seres humanos de maneira que esta tecnologia se adapte a sua finalidade e melhore constantemente. Assim funciona o círculo virtuoso da IA. Em outras palavras, este fluxo de trabalho se concentra totalmente nos usuários e em suas experiências, que por sua vez melhoram a qualidade do produto.
Porém, não é fácil melhorar os resultados de cada ciclo de AA. Para aumentar a precisão do software e seus resultados, é necessário coletar mais dados. À medida em que se injetam dados no processo, também se treina os modelos de aprendizagem automática para que identifiquem outras variações do objeto de interesse. Desta maneira, se melhoram suas capacidades de predição e análise. Como exemplo, no caso do Pix4Dinspect, o modelo aprende as características visuais de uma antena de telecomunicações e sua posição. O círculo virtuoso da IA revela que a melhora na precisão da aprendizagem automática avança de mãos dadas com o aumento dos dados disponíveis. O Pix4Dinspect confirma este principio: graças a este processo iterativo, agora é possível medir o ângulo descendente (o parâmetro mais importante) com uma precisão muito alta.
Automatização na escala: o desafio das empresas de IA atuais
Segundo Andrea, introduzir um fluxo de trabalho com IA em uma empresa moderna requer preparar os ativos, executar análises com aprendizagem automática e, por último, colocá-lo à disposição dos usuários.
O Pix4Dinspect aproveita os benefícios da AA: esta plataforma baseada na nuvem foi desenhada para utilizar a aprendizagem automática para reconhecer automaticamente antenas em imagens e dados capturados com o Pix4Dscan. A Pix4D faz uso desta solução de AA em seu software sem recorrer a algoritmos de terceiros: a integração corre a cargo de engenheiros de informática internos. A IA participa na geração dos modelos 2D e 3D, seja no momento da captura dos dados com drones ou durante a análise. Desta maneira, se elimina uma importante carga de trabalho do processo de inspeção do cliente. O algoritmo de aprendizagem profundo desenhado para o reconhecimento de antenas pode detetar os padrões da antena na nuvem de pontos e computar sua posição, orientação e dimensões.
O Pix4Dinspect deteta automaticamente as antenas e gera informes sobre os aspectos seguintes:
- Tipo de antena: painel ou microondas.
- Inclinação descendente: ângulo descendente relativo às linhas de gravidade do campo. Seu valor oscila entre os -90 e +90 graus.
- Azimute: ângulo da orientação relativo ao Norte verdadeiro. Seu valor oscila entre os 0 e 360 graus.
- Prumo: ângulo de balance (inclinação lateral) relativo às linhas de gravidade do campo. Seu valor oscila entre os -180 e +180 graus.
- Largura: largura da antena.
- Altura: altura da antena.
- Profundidade: profundidade da antena.
- Altitude (CL): Altitude desde a linha central (LC) da antena até o solo.
Graças à geração automática de informes, os algoritmos de aprendizagem automática reduzem dramaticamente a carga de trabalho dos usuários, pois lhes evita etiquetar manualmente as antenas. Desta maneira, os usuários podem concentrar-se em agregar anotações relacionadas ao projeto, na maioria dos casos, com apenas um clique. A informação extraída com AA não só é útil para a manutenção, as inspeções e a verificação de ativos, mas também com vista à implantação do 5G, que requer informação atualizada sobre o status das torres. Como explica Andrea, a identificação destos aspectos não é um ato de “magia”. Pelo contrário, o sistema de AA segue as três principais etapas que explicamos a seguir:
As principais etapas da aprendizagem automática no Pix4D
- Segmentação de antenas em imagens capturadas com o Pix4Dscan mediante AA de ponta. Esta tarefa é limitada pela capacidade de visualização em 2D.
- As máscaras de segmentação em 2D se projetam no espaço 3D. Posteriormente, se agrupam os pontos em 3D resultantes e, desta maneira, se refina a detecção de antenas.
- As simetrias espaciais em 3D permitem identificar, com muita precisão, a posição da antena e obter informação como a largura, a profundidade e o azimute.
O impacto da aprendizagem automática na inspeção de ativos
Graças à incorporação da AA no fluxo de trabalho do Pix4Dinspect, a Pix4D tem reduzido dramaticamente o tempo de inspeção de torres de telecomunicações.
Uma detecção manual de antena pode tomar meio dia com 10 graus de precisão. A solução de AA da Pix4D é automática, tem lugar durante o processamento da torre para a geração de um modelo 3D e permite obter uma precisão na inclinação descendente de um grau. Em outras palavras, o software não só é mais rápido mas também mais preciso que uma inspeção manual. A isso devemos agregar que o Pix4Dscan só necessita de 20 minutos de voo para completar uma inspeção padrão de uma torre de telecomunicações. Por sua parte, o Pix4Dinspect requer duas horas para processá-la. No total, a inspeção toma apenas algumas horas, em vez de vários dias. Ao ser uma plataforma na nuvem, o tempo de processamento é o mesmo independentemente de quantos ativos se esteja processando. Desta maneira, os clientes evitam colocar sua própria infraestrutura informática ao limite.
Registre-se em nosso webinar gratuito de inspeção
Acompanhe-nos na sessão ao vivo e descubra como os Gêmeos Digitais podem otimizar suas inspeções e reduzir importantes riscos.
Posto que é possível processar de maneira simultânea tantas torres quanto seja necessário, o tempo total de inspeção se reduz de vários dias a apenas umas horas, como demonstra a inspeção de uma torre de telecomunicações localizada em Douala (Camarões) realizada por SkyVue Solutions com Pix4Dscan e Pix4Dinspect.
Este engenhoso processo aproveita elementos únicos dos que só dispõe o Pix4D. Todo o processo foi preparado por nossas equipes: desde a aquisição de dados até o processamento de imagens, passando pela representação de resultados em informes. A Pix4D executa um fluxo de trabalho de processamento de dados sólido e único, baseado nos melhores recursos nos campos da fotogrametria, da visão computacional e dos algoritmos de aprendizagem automática, que oferece aos usuários uma solução completa, precisa e acessível.