工业拥有大量的基础设施。这些基础设施既包括石油天然气行业数千英里长的管道,也包括农业领域的大量土地,更不用说庞大的交通结构,比如道路、桥梁和铁路轨道。这些结构及众多工业设备需要进行检查和维修,以便相应工业能够持续运作。公司可以采用各种方法来做到这一点,例如常规的外观检查、运行测试和深入挖掘。然而,由于需要跟踪大量的结构和设备,许多操作效率低下。

外观检查可以防止发生灾难,维持无缝运营。大多数情况下,我们可以通过快速查看来确定是否存在缺陷,并借助一些经验来确定缺陷是什么。借助 Watson Visual Recognition 服务,我们可以确定图像中的设备是否满足正常条件,或者通过训练该服务来识别特定的缺陷和损坏。

在我们的 Code Pattern 工业可视分析中,我们将训练 Watson Visual Recognition 服务来检查油气管道,以将图像分为以下类别:正常、破裂、腐蚀、涂层破损、接缝破损和泄露。训练方式为:为该服务提供每个类别的一组图像,并定义特定的分类器。然后,此分类器可以分析图像,并提供与每个类别匹配的百分比。

在我们的 Code Pattern 中,我们使用 IBM Cloud Functions 和一个 Cloudant 数据库来执行 Visual Recognition 分析。在用户上传一幅图后,初始图像数据会存储在我们的 Cloudant 数据库中,这会触发一个使用 IBM Cloud Functions 的微服务来分析图像。完成分析后,会使用 Visual Recognition 分析数据来更新该数据库。该 Code Pattern 包含一个 Web 应用程序,此程序使用分析数据来显示一个包含需要立即关注和不需要关注的图像的仪表板。

目前,用户可以使用该 Web 界面上传图像。但是,通过设置 Cloudant 和 IBM Cloud Functions,可以扩展此模式,从外部来源和设备(包括无人机、定位摄像头、卫星图像等)捕获图像。因此,根据工业用例的不同,开发者可以使用 Watson Visual Recognition 服务来自动化检查过程!

本文翻译自: Industrial use case of Watson Visual Recognition (2017-11-16)

加入讨论