Droner og robotter overtager industriinspektionen

Avitas

Avitas systemer , et GE-datterselskab baseret i Boston, bruger nu droner og robotter til at automatisere inspektionen af ​​infrastruktur såsom rørledninger, elledninger og transportsystemer. Virksomheden bruger maskinlæringsteknologi fra Nvidia (50 Smartest Companies 2017) til at vejlede kontrollerne og til automatisk at identificere uregelmæssigheder i de indsamlede data.

Indsatsen viser, hvordan billige droner og robotsystemer – kombineret med hurtige fremskridt inden for maskinlæring – gør det muligt at automatisere hele sektorer med lavt kvalifikationsarbejde. Selvom der er masser af bekymringer om automatisering af jobs i produktion og kontorer, kan rutinemæssige sikkerheds- og sikkerhedsinspektioner være et af de første store områder, der bliver undermineret af fremskridt inden for kunstig intelligens.

Droner har været brugt på nogle industripladser i et stykke tid (se Ny chef på byggepladser er en drone ), og forskellige virksomheder, som f.eks. Kespry , Flyveevne , og CyPhy , tilbyder luftsystemer til overvågning af miner, inspektion af vindmøller og vurdering af bygningsforsikringskrav. Men den teknologi, der kræves for at automatisere mere af processen, er nu ved at blive tilgængelig. Lignende teknologi gør det også muligt for robotter at krydse autonomt gennem kontorer og indkøbscentre på udkig efter unormal adfærd (se Rise of the Robot Security Guard).

Relateret historie

Relateret historie

Avitas bruger droner, robotter på hjul og autonome undervandsfartøjer til at indsamle billeder, der kræves til inspektion fra olieraffinaderier, gasrørledninger, kølevæsketårne ​​og andet udstyr. Virksomheden bruger Nvidias DGX-1-system, en computer designet til en banebrydende form for maskinlæring, til at guide disse køretøjer til det samme sted og til at analysere billeddataene for mulige defekter.

Nvidias system anvender deep learning, en tilgang, der involverer træning af et meget stort simuleret neuralt netværk til at genkende mønstre i data, og som har vist sig særligt godt til billedbehandling. Det er for eksempel muligt at træne et dybt neuralt netværk til automatisk at identificere fejl i en strømledning ved at indlæse tusindvis af tidligere eksempler. I nogle tilfælde kan deep learning udføre billedgenkendelse mere pålideligt, end en person kunne.

Alex Tepper, grundlæggeren af ​​Avitas, siger, at virksomhedens kunder bruger hundredvis af millioner på manuel inspektion af udstyr. Dette involverer normalt, at nogen rejser til et fjerntliggende sted for at undersøge det. En drone eller robot kan automatisk indsamle billeder af det samme sted mange gange, hvilket måske gør det nemmere at opdage fejl, der ellers kunne gå ubemærket hen. Fremgangsmåden kan spare et raffinaderi, for eksempel omkring 1 million dollars årligt på inspektioner, vurderer virksomheden.

Fremskridt inden for kunstig intelligens gør det også lettere at lære robotter at navigere til en placering for sig selv. I denne uge er det f.eks. Neurala , et firma, der har specialiseret sig i deep learning, lancerede et droneværktøjssæt, der kan bruges til at træne et køretøj til at genkende eller følge et bestemt objekt og til at undgå forhindringer.

skjule