畢馬科技-AI視覺(jué)識(shí)別服務(wù)

基于人工智能的電網(wǎng)基建現(xiàn)場(chǎng)管理單元，由淺入深逐步解決基建過(guò)程中的管控難題，通過(guò)監(jiān)測(cè)現(xiàn)場(chǎng)主要風(fēng)險(xiǎn)控制情況，達(dá)到及時(shí)控制現(xiàn)場(chǎng)變量、消除施工安全風(fēng)險(xiǎn)的根本目的，實(shí)現(xiàn)人工智能輔助電網(wǎng)建設(shè)管理。 圖像識(shí)別、機(jī)器學(xué)習(xí)的算法開(kāi)發(fā) 作為深度學(xué)習(xí)內(nèi)容之一的計(jì)算機(jī)視覺(jué)，應(yīng)該說(shuō)是受AI技術(shù)影響最大的領(lǐng)域。圖像數(shù)據(jù)作為電網(wǎng)大數(shù)據(jù)中密不可分的一部分，傳統(tǒng)圖像處理方法往往基于任務(wù)人為地制定一些規(guī)則，通過(guò)對(duì)圖像特征進(jìn)行數(shù)學(xué)運(yùn)算來(lái)達(dá)到分割、處理等任務(wù)。但圖像數(shù)據(jù)中往往有較為復(fù)雜的背景噪聲，基于規(guī)則的算法易受噪聲干擾，且難以有效地利用圖像目標(biāo)數(shù)據(jù)中豐富的特征，故圖像數(shù)據(jù)作為電網(wǎng)數(shù)據(jù)中數(shù)據(jù)量很大的組成部分，一直難以有效利用。深度學(xué)習(xí)的出現(xiàn)為電網(wǎng)圖像數(shù)據(jù)任務(wù)引入了新的思想和工具，其在電網(wǎng)圖像的數(shù)據(jù)的應(yīng)用中起到了重要作用，主要應(yīng)用場(chǎng)景為無(wú)人機(jī)巡檢、智能檢測(cè)設(shè)備形體及電力信息安全等?；谏疃葘W(xué)習(xí)理論，對(duì)電力施工場(chǎng)景進(jìn)行多目標(biāo)識(shí)別和定位，根據(jù)對(duì)目標(biāo)的識(shí)別、定位以及軌跡追蹤，對(duì)施工場(chǎng)景進(jìn)行描述，并且判斷該場(chǎng)景的危險(xiǎn)等級(jí)，及時(shí)預(yù)警，防止在電力施工過(guò)程中發(fā)生嚴(yán)重的安全事故。