A Pix4D se esforça para ser uma empresa que inova e desenvolve tecnologia e técnicas de última geração para seus usuários. Como líder de mercado em fotogrametria, a empresa tem se ramificado em novas indústrias específicas em resposta à crescente demanda e vendo soluções relacionadas a drones que a Pix4D poderia fornecer. Um exemplo disso é nosso software de aprendizado de máquinas.

PIX4Dinspect é um excelente exemplo de Pix4D utilizando o aprendizado de máquinas para inspeções visuais com dados de drones, em parceria com o aplicativo PIX4Dscan. PIX4Dscan tem planos de vôo específicos para inspeções de torres celulares, enquanto PIX4Dinspect usa inteligência artificial (IA) e aprendizagem de máquinas (ML) para acelerar a análise de nuvens de pontos geradas a partir de dados coletados por vôos PIX4Dscan. O ML simplifica a inspeção de gêmeos digitais 3D de torres de telecomunicações, eliminando a necessidade de detectar e medir manualmente os componentes do equipamento. A torre digital resultante não é apenas uma réplica da realidade, mas um gêmeo digital inteligente graças ao uso da aprendizagem da máquina.

Pix4D oferece oportunidades únicas neste espaço de aprendizado de IA e máquinas que nos torna muito inovadores e competitivos" - Andrea Dotti, Gerente da Equipe Principal de Analítica da Pix4D

O ciclo virtuoso da IA

Andrea Dotti explica que o processo de utilização de IA e aprendizagem de máquinas na Pix4D segue as melhores práticas do setor. Nas palavras de Andrew Ng, Professor de Ciência da Computação na Universidade de Stanford, Califórnia: "Estamos fazendo esta analogia de que a IA é a nova eletricidade". Indústrias transformadoras de eletricidade: agricultura, transporte, comunicação, manufatura". O potencial do ML e da IA está mudando na indústria. Um dos conceitos básicos mas mais poderosos no mundo da aprendizagem de máquinas é o "ciclo virtuoso da IA", onde o processo de desenvolvimento da IA é parte de um ciclo repetitivo que se move entre o produto, os usuários e a coleta de dados.

Andrea explica que os humanos devem validar os resultados da aprendizagem da máquina, para adequar o propósito da tecnologia, a fim de melhorá-la constantemente para que a aprendizagem da máquina progrida. É assim que funciona o ciclo virtuoso da Inteligência Artificial. O resultado deste fluxo de trabalho é 100% de foco nos usuários e em suas experiências, o que melhora constantemente a qualidade de um produto.

Entretanto, o desempenho superior em cada ciclo dos resultados do ML não é um processo fácil. A fim de aumentar a precisão do software e seus resultados, mais dados precisam ser coletados. Conforme mais dados são injetados na tubulação, os modelos de aprendizagem da máquina são treinados para ver mais variações do que é de interesse, melhorando assim suas capacidades de previsão e análise - por exemplo, com o PIX4Dinspect, aprendendo como é uma antena de telecomunicação e a posição em que ela é fixada. Como refletido pelo ciclo virtuoso da IA, quanto mais este processo de aumentar os dados disponíveis se repete, mais a precisão da aprendizagem da máquina melhora. Isto fica imediatamente claro no PIX4Dinspect, pois graças a este processo iterativo o ângulo de inclinação (o parâmetro mais importante) pode agora ser medido com extrema precisão.

Automação em escala: o desafio dos negócios de IA moderna

PIX4Dinspect aproveita os benefícios do ML: a plataforma de nuvem foi projetada para usar a aprendizagem da máquina para reconhecer automaticamente as antenas usando as imagens e dados capturados pela PIX4Dscan. A Pix4D é capaz de implementar esta solução ML em seu software sem exigir algoritmos de terceiros, completando a integração com engenheiros de software internos. Ao longo do processo os modelos 2D e 3D estão perfeitamente conectados à IA, desde a captura de dados do drone até a análise. Como resultado, uma imensa carga de trabalho é removida do processo de inspeção do cliente. O algoritmo de aprendizado profundo para o reconhecimento de antenas é capaz de detectar padrões de antena na nuvem de pontos e computar sua posição, orientação e dimensões. PIX4Dinspect detecta automaticamente as antenas e informa sobre estas características específicas:

• Tipo de antena: painel ou microondas.
• Downtilt: Ângulo descendente em relação às linhas do campo de gravidade. Os valores variam de -90 a +90 graus.
• Azimute: Ângulo de guinada em relação ao Norte verdadeiro. Os valores variam de 0 a 360 graus.
• Plumb: Ângulo de guinada em relação ao Norte verdadeiro: Ângulo de rotação (inclinação lateral) com respeito às linhas do campo de gravidade. Os valores variam de -180 a +180 graus.
• Largura: Largura da antena.
• Altura: Altura da antena.
• Depth: Largura da antena: Profundidade da antena.
• Altitude (CL): Altitude desde a linha central da antena até o solo.

Produzindo automaticamente um relatório, os algoritmos de aprendizagem da máquina reduzem drasticamente a carga de trabalho dos usuários porque os usuários não precisam mais rotular as antenas manualmente e podem, em vez disso, concentrar-se em adicionar apenas anotações específicas do projeto, o que muitas vezes requer apenas um único clique. As informações extraídas pelo ML não são úteis apenas para manutenção, inspeção e verificação de ativos, mas também para a implementação global de 5G, que requer informações atualizadas sobre o status das torres de células. A identificação destas características não acontece por magia, mas pelo sistema ML seguindo três etapas-chave, o que Andrea explica assim:

O impacto da aprendizagem de máquinas na inspeção de bens

Como resultado da incorporação do ML no fluxo de trabalho da PIX4Dinspect, a Pix4D reduziu drasticamente o tempo de inspeção das torres de telecomunicação.

Uma detecção manual de antena pode levar meio dia com 10 graus de precisão. A solução ML fornecida pela Pix4D é automática, acontecendo durante o processamento normal da torre para um modelo 3D, tem uma precisão de downtilt de até 1 grau. O software não só é mais rápido que a inspeção manual, mas também tem maior precisão. Inclusive com isso, a PIX4Dscan precisa de apenas 20 minutos de vôo para completar uma inspeção padrão da torre de célula, enquanto a PIX4Dinspect leva 2 horas para processá-la.

Isto não muda independentemente de quantos ativos estão sendo processados ao mesmo tempo devido ao uso de recursos de nuvem, de modo que os clientes não desafiem sua própria infra-estrutura de TI.

Tantas torres quantas forem necessárias podem ser processadas simultaneamente, tornando o tempo total de inspeção uma questão de poucas horas ao invés de vários dias, o que foi comprovado quando a SkyVue Solutions utilizou PIX4Dscan e PIX4Dinspect para inspecionar uma torre de celular em Douala, Camarões.

Esta engenhosa tubulação está alavancando capacidades únicas que só estão disponíveis na Pix4D, já que toda a tubulação é curada internamente, desde a aquisição de dados até o processamento de imagens e a representação dos resultados em relatórios. A Pix4D implementa um fluxo de trabalho de processamento de dados apertado e único que pode usar o melhor em fotogrametria, visão computadorizada e algoritmos de aprendizado profundo para fornecer aos usuários uma solução completa, precisa e econômica.