المراقبة بالطائرات بدون طيار وكشف الحالات الشاذة المدعوم بالذكاء الاصطناعي
احتاج العميل إلى مزيد من التحكم في خطوط الأنابيب متعددة الكيلومترات الممتدة عبر المناطق النائية. كانت المراقبة التقليدية غير كافية. سعوا للحصول على نظام متقدم للكشف عن الحالات الشاذة مثل الأشخاص والمركبات والمعدات غير المصرح بها باستخدام صور الطائرات بدون طيار.
شركة نفط وغاز دولية كبيرة مسؤولة عن إدارة وتأمين شبكات خطوط أنابيب واسعة النطاق. واجهوا المهمة الشاقة المتمثلة في مراقبة البنية التحتية التي تمتد عبر بيئات واسعة وغالباً ما تكون نائية ومعادية.
رؤية حاسوبية متقدمة
تطوير شبكات عصبية تلافيفية مخصصة (CNNs) باستخدام PyTorch لتحديد كيانات محددة مثل الأشخاص والمركبات ومعدات البناء.
خط أنابيب بيانات آلي
سير عمل قوي يتضمن تطبيع الصور والتصحيح الهندسي والتصفية للتعامل مع الظروف البيئية المتغيرة (الثلج، الإضاءة).
بنية سحابية قابلة للتوسع
التكامل مع AWS Lambda للمعالجة بدون خادم و S3 للتخزين، مما يضمن قدرة النظام على التعامل مع مجموعات البيانات الضخمة من أساطيل الطائرات بدون طيار.
التقلب البيئي
تباينت صور الطائرات بدون طيار بشكل كبير في الجودة بسبب الطقس والإضاءة والمواسم، مما تطلب مرشحات تسوية معقدة.
الإيجابيات الكاذبة
تطلب التمييز بين سيارة صيانة شرعية ومتسلل غير مصرح به ضبط النموذج لتقليل الإنذارات الكاذبة.
النطاق البعيد
تطلب معالجة البيانات من مئات الكيلومترات من خط الأنابيب حلقة وضع علامات وتدريب آلية عالية الكفاءة.
قمنا بتصميم حل قائم على ML للكشف عن الحالات الشاذة. باستخدام Label Studio للتعليق التوضيحي الدقيق و PyTorch لتدريب النموذج، قمنا ببناء نظام يقوم بتصفية ومعالجة وتحليل لقطات الطائرات بدون طيار في السحابة. يحدد التهديدات المحتملة بدقة مع تجاهل الضوضاء البيئية غير ذات الصلة.
Let's engineer the
future together.
