Drönare och robotar tar över industriell inspektion

Avitas

Avitas Systems , ett GE-dotterbolag baserat i Boston, använder nu drönare och robotar för att automatisera inspektionen av infrastruktur som rörledningar, kraftledningar och transportsystem. Företaget använder maskininlärningsteknik från Nvidia (50 smartaste företag 2017) för att styra kontrollerna och för att automatiskt identifiera avvikelser i den insamlade informationen.

Ansträngningen visar hur billiga drönare och robotsystem – i kombination med snabba framsteg inom maskininlärning – gör det möjligt att automatisera hela sektorer av lågkompetensarbete. Även om det finns mycket oro för automatiseringen av jobb inom tillverkning och kontor, kan rutinmässiga säkerhets- och säkerhetsinspektioner vara ett av de första stora områdena som undermineras av framsteg inom AI.

Drönare har använts på vissa industriplatser ett tag (se New Boss on Construction Sites Is a Drone ), och olika företag, som t.ex. Kespry , Flygbarhet , och CyPhy , erbjuder luftsystem för att övervaka gruvor, inspektera vindkraftverk och bedöma försäkringskrav för byggnader. Men tekniken som krävs för att automatisera mer av processen blir nu tillgänglig. Liknande teknik gör det också möjligt för robotar att kryssa autonomt genom kontor och gallerior och leta efter onormalt beteende (se Rise of the Robot Security Guard).

Relaterad berättelse

Relaterad berättelse

Avitas använder drönare, hjulförsedda robotar och autonoma undervattensfordon för att samla in bilder som krävs för inspektion från oljeraffinaderier, gasledningar, kylvätsketorn och annan utrustning. Företaget använder Nvidias DGX-1-system, en dator designad för en banbrytande typ av maskininlärning, för att vägleda dessa fordon till samma plats och för att analysera bilddata för eventuella defekter.

Nvidias system använder sig av djupinlärning, ett tillvägagångssätt som innebär att man tränar ett mycket stort simulerat neuralt nätverk för att känna igen mönster i data, och som har visat sig särskilt bra för bildbehandling. Det är till exempel möjligt att träna ett djupt neuralt nätverk för att automatiskt identifiera fel i en kraftledning genom att mata in tusentals tidigare exempel. I vissa fall kan djupinlärning utföra bildigenkänning mer tillförlitligt än en person skulle kunna.

Alex Tepper, grundaren av Avitas, säger att företagets kunder spenderar hundratals miljoner på att manuellt inspektera utrustning. Detta innebär vanligtvis att någon reser till en avlägsen plats för att undersöka den. En drönare eller robot kan automatiskt samla in bilder av samma plats många gånger om, vilket kanske gör det lättare att upptäcka brister som annars skulle kunna förbli obemärkta. Tillvägagångssättet kan spara ett raffinaderi, till exempel cirka 1 miljon dollar årligen på inspektioner, uppskattar företaget.

Framsteg inom AI gör det också lättare att lära robotar att navigera till en plats för sig själva. Den här veckan har t.ex. Neurala , ett företag som specialiserat sig på djupinlärning, lanserade en drönarverktygssats som kan användas för att träna ett fordon att känna igen eller följa ett visst föremål och för att undvika hinder.

Dölj