Inspección automática de activos de telecomunicaciones

Pix4D aspira a ser una empresa que innove y desarrolle tecnología y técnicas de última generación para sus usuarios. En su calidad de líder del mercado de fotogrametría, Pix4D se ha diversificado hacia nuevos sectores con el objetivo de colmar una demanda creciente y de evaluar qué soluciones con drones se pueden brindar. Ejemplo de ello es nuestro software de aprendizaje automático.

El uso de PIX4Dinspect con la aplicación de PIX4Dscan es un buen ejemplo de cómo Pix4D recurre al aprendizaje automático. Mientras que PIX4Dscan incluye planes de vuelos diseñados para la inspección de torres de telecomunicaciones, PIX4Dinspect utiliza inteligencia artificial (IA) y aprendizaje automático (AA) para acelerar el análisis de las nubes de puntos generadas a partir de los datos capturados durante los vuelos de PIX4Dscan. El AA simplifica la inspección de los gemelos digitales de la torre de telecomunicaciones y descarta la necesidad de detectar y medir manualmente los componentes del equipo. La torre digital generada no solo es una réplica de la realidad, sino también un gemelo digital creado con aprendizaje automático.

"Pix4D ofrece oportunidades únicas en los campos de la IA y el aprendizaje automático y eso nos hace muy innovadores y competitivos." - Andrea Dotti, Jede del equipo de Core Analytics en Pix4D

El círculo virtuoso de la IA

Andrea Dotti explica que la manera en que utilizamos la IA y el aprendizaje automático en Pix4D se conforma a las mejores prácticas del sector. Andrew Ng, Catedrático de Informática en la Universidad de Stanford (California), opina que: "La IA es la nueva electricidad. La electricidad transformó a los sectores de la agricultura, el transporte, la comunicación y la manufactura." El AA y la IA tienen el potencial de cambiar industrias. Uno de los conceptos más básicos pero poderosos en el campo del aprendizaje automático es el del "círculo virtuoso de la IA", donde el desarrollo de IA forma parte de un ciclo repetitivo entre el producto, los usuarios y la recopilación de datos.

El círculo virtuoso de la IA

Andrea explica que para que el aprendizaje automático avance, sus resultados deben ser validados por seres humanos de manera que esta tecnología se adapte a su finalidad y mejore constantemente. Así funciona el círculo virtuoso de la IA. En otras palabras, este flujo de trabajo se concentra totalmente en los usuarios y en sus experiencias, que a su vez mejoran la calidad del producto.

Sin embargo, no es fácil mejorar los resultados de cada ciclo de AA. Para aumentar la precisión del software y sus resultados, es necesario recopilar más datos. A medida que se inyectan datos en el proceso, también se entrena a los modelos de aprendizaje automático para que identifiquen otras variaciones del objeto de interés. De esta manera, se mejoran sus capacidades de predicción y análisis. A manera de ejemplo, en el caso de PIX4Dinspect, el modelo aprende las características visuales de una antena de telecomunicaciones y su posición. El círculo virtuoso de la IA revela que la mejora en la precisión del aprendizaje automático va de la mano con el aumento de los datos disponibles. PIX4Dinspect confirma este principio: gracias a este proceso iterativo, ahora es posible medir el ángulo descendente (el parámetro más importante) con una precisión muy alta.

Automatización a escala: el desafío de las empresas de IA actuales

Según Andrea, introducir un flujo de trabajo con IA en una empresa moderna requiere preparar los activos, ejecutar análisis con aprendizaje automático y, por último, ponerlo a disposición de los usuarios.

PIX4Dinspect aprovecha los beneficios del AA: esta plataforma basada en la nube fue diseñada para utilizar el aprendizaje automático para reconocer automáticamente antenas en imágenes y datos capturados con PIX4Dscan. Pix4D hace uso de esta solución de AA en su software sin recurrir a algoritmos de terceros: la integración corre a cargo de ingenieros informáticos internos. La IA participa en la generación de los modelos 2D y 3D, ya sea al momento de la captura de los datos con drones o durante el análisis. De esta manera, se elimina una importante carga de trabajo del proceso de inspección del cliente. El algoritmo de aprendizaje profundo diseñado para el reconocimiento de antenas puede detectar los patrones de la antena en la nube de puntos y computar su posición, orientación y dimensiones. PIX4Dinspect detecta automáticamente las antenas y genera informes sobre los aspectos siguientes:

• Tipo de antena: panel o microondas.
• Inclinación descendente: ángulo descendente relativo a las líneas de gravedad del campo. Su valor oscila entre los -90 y +90 grados.
• Azimuth: ángulo de la orientación respecto del Norte verdadero. Su valor oscila entre los 0 y 360 grados.
• Plomada: ángulo de balanceo (inclinación lateral) respecto de las líneas de gravedad del campo. Su valor oscila entre los -180 y +180 grados.
• Ancho: anchura de la antena.
• Altura: altura de la antena.
• Profundidad: profundidad de la antena.Depth of the antenna.
• Altitud (CL): Altitud desde la línea central (LC) de la antena hasta el suelo.

Gracias a la generación automática de informes, los algoritmos de aprendizaje automático reducen dramáticamente la carga de trabajo de los usuarios, pues les evita etiquetar manualmente las antenas. De esta manera, los usuarios pueden concentrarse en agregar anotaciones relacionadas al proyecto, en la mayoría de los casos, con apenas un clic. La información extraída con AA no solo es útil para el mantenimiento, las inspecciones y la verificación de activos, sino también de cara al despliegue de la 5G, que requiere información al día sobre el estatus de las torres. Como explica Andrea, la identificación de estos aspectos no es un acto de magia. Por el contrario, el sistema de AA sigue las tres principales etapas que explicamos a continuación:

El impacto del aprendizaje automático en la inspección de activos

Gracias a la incorporación del AA en el flujo de trabajo de PIX4Dinspect, Pix4D ha reducido dramáticamente el tiempo de inspección de torres de telecomunicaciones.

Una detección manual de antena puede tomar medio día con 10 grados de precisión. La solución de AA de Pix4D es automática, tiene lugar durante el procesamiento de la torre para la generación de un modelo 3D y permite obtener una precisión en la inclinación descendente de un grado. En otras palabras, el software no solo es más rápido sino también más preciso que una inspección manual. A ello debemos agregar que PIX4Dscan solo necesita 20 minutos de vuelo para completar una inspección estándar de una torre de telecomunicaciones.

Por su parte, PIX4Dinspect requiere dos horas para procesarla. Al ser una plataforma en la nube, el tiempo de procesamiento es el mismo independientemente de cuántos activos se estén procesando. De esta manera, los clientes evitan poner su propia infraestructura informática al límite.

Puesto que es posible procesar de manera simultánea tantas torres como sea necesario, el tiempo total de inspección se reduce de varios días a apenas unas horas, como lo demuestra la inspección de una torre de telecomunicaciones ubicada en Douala (Camerún) realizada por SkyVue Solutions con PIX4Dscan y PIX4Dinspect.

La interfaz de PIX4Dinspect

Este ingenioso proceso aprovecha elementos únicos de los que solo dispone Pix4D. Todo el proceso fue preparado por nuestros equipos: desde la adquisición de datos hasta el procesamiento de imágenes, pasando por la representación de resultados en informes. Pix4D ejecuta un flujo de trabajo de procesamiento de datos sólido y único basado en los mejores recursos en los campos de la fotogrametría, la visión por computadora y los algoritmos de aprendizaje automático que brinda a los usuarios una solución completa, precisa y asequible.