起点

“可操作的数据”仅次于强大且可靠的无人机，可能是无人机行业最重要的驱动力。无人机经常产生大量数据——有时超出我们的处理能力。无人机只有在能够快速处理数据且不需要额外努力的情况下才能为用户增加价值。越快、越准确、越容易对图像进行评估，效果就越好。

无人机和人工智能的结合似乎是上述挑战的答案。如今，几乎所有处理数据处理、分析或“自主”飞行控制的公司都声称使用了人工智能、机器或深度学习。但这些术语到底是什么意思呢?它们是如何相互联系的?这些“术语”在哪里适用?下面的文章旨在回答这些问题。

总的来说，人工智能描述了机器执行复杂任务的能力，这些复杂任务具有人类智能的特征，包括推理、解决问题、计划、学习、理解和阅读人类语言，如上图所示。目前，人工智能与机器学习、深度学习和运动规划的关系是最热门的话题，将是本出版物的重点。

术语和描述

机器感知

让我们从机器感知开始。由于无人机的许多人工智能相关任务都是图像识别，因此无人机必须能够以某种方式感知和理解环境或物体。这通常由光电、立体光学和激光雷达等传感器完成。这个过程被称为机器感知。

计算机视觉(CV)

一旦无人机捕获了原始传感器数据，通常需要以某种方式对其进行分析，以提取有意义的信息用于特定的目的。这种能力被称为计算机视觉，它与从一个或多个图像中自动提取、分析和理解有用信息有关。

机器学习(ML)

为了优化可微参数，可以使用机器学习技术。与手工编程和使用特定指令(如计算机视觉软件)执行任务的软件不同，机器学习算法的设计方式是，当它们接触到新数据时，可以随着时间的推移学习和改进。

深度学习(DL)

另一方面，深度学习是一种专门的信息处理方法，是机器学习的一个子集，它使用神经网络和大量数据来进行决策。这种学习方法是基于人脑的功能，人脑也由相互连接的神经元组成。所谓的人工神经网络由多层构成，每一层都与下一层相连，负责某一特定的任务。这种设计使得将所学内容与新的内容相结合并加以扩展成为可能。

当使用深度学习超过机器学习或计算机视觉?

尽管许多公司已经从计算机视觉转向传统的机器学习方法，但无人机行业似乎正在迈出深度学习算法的第一步。最近在技术行业的发展，即GPU(图形处理单元)，通过其价格与性能比以及所需的硬件基础设施使得开发DL成为可能。虽然通过GPU可以获得更多的计算能力，但仍然需要花费大量的时间来训练DL算法，而且使用DL可靠地执行某个任务通常需要数百万张图像。因此，这意味着如果你有一个大数据集的图像和足够的处理能力，DL方法可能是更好的选择，因为它通常优于传统的ML和CV方法，特别是在图像识别方面。

运动规划

现在，我们来进行运动计划。 当涉及到姿态感知时，它是一个强大的工具，从广义上讲，是“感知与回避”技术和BVLOS飞行。 运动计划的先决条件通常是捕获环境，即机器感知。 为此，无人机可以将环境可视化，例如 使用SLAM（同步定位和地图绘制）技术。 这使无人机能够不一定识别环境中确切的内容，而是识别与环境的距离。在运动规划的背景下，深度学习被用于探测和识别物体，如人类、骑自行车的人或汽车，并随后创建相应的飞行路线。

人工智能是所有问题的答案吗?

今天当然不是。良好的图像处理解决方案已经就位，并且在某些任务上的性能与ML和DL方法一样好。人们必须问，我的结果应该是什么，有哪些信息/数据可用?始终要考虑到，任何类型的ML方法都需要大量的数据集和大量的培训。因此，如果你只有有限数量的图片可用，图像处理软件可能是最好的解决方案。当大量的数据集可用时，需要处理许多不同的任务，ML或DL方法可能优于图像处理软件解决方案。换句话说，图像处理软件的任务越多、越复杂，ML/DL方法就越有可能是解决这些问题的最佳方法，因为您的数据量会增加。

ML和DL算法的大多数应用目前都在检查和维护领域。Sky-Futures和Scopito等公司正在使用各种ML和/或DL方法来完成不同的检查任务。例如，电力线的绝缘体会在图像上自动检测并检查异常，或者使用算法检测金属表面的腐蚀。据Sky-Futures报道，它们的检出率为80-90%。另一个例子是Ardenna，这家美国软件公司目前正从计算机视觉软件升级到BNSF铁路公司基于mlb的铁路检查，一次检测超过30处损坏。许多人工智能方法已经被用于能源、农业、房地产、建筑和林业部门的数据分析。基于人工智能的数据分析应用程序似乎已经数不胜数，上面提到的例子只是市场上现有应用程序的一小部分。

总结与展望

如前所述，无人驾驶飞机和人工智能的目标是尽可能高效地利用大型数据集(如航空图像)，尽可能实现自动化和无缝。没有人想看5000张普通白色的风力涡轮机图片，寻找微小的裂缝。无人机只有在数据采集和数据分析达到高度(或某一天完全)自动化程度时，才能充分挖掘它们的潜力。处理尽可能自动化的海量数据的巨大潜力似乎是ML od DL方法。近年来，由于处理能力、存储成本和数字数据可用性的大幅提高，复杂人工智能算法在无人机上的应用已经成为可能，第一种可靠的解决方案已经上市。如果人工智能像我们近年来看到的那样迅速发展，我们很快就会发现高度自动化和全面的解决方案，这将进一步提高使用无人机的附加值。但公司必须考虑到，无人机和人工智能只有在节省用户的资金或时间的情况下才有意义-在某些情况下，传统的计算机视觉(与ML/DL相结合)仍然可能是一个更简单、更好的解决方案。

文章转自   牛牛看世界 崔会欣译，如有侵权请联系删除