归档日期：: 2019-05-21
此内容不再被更新或维护。 内容是按“原样”提供。鉴于技术的快速发展，某些内容，步骤或插图可能已经改变。摘要
执行工业设备检查非常耗时，在某些情况下需要长达数小时乃至数周时间，对于石油和天然气、交通运输（公路和铁路）、建筑和农业等诸多行业，当设备广泛分布于各处时，这种情况尤为突出。
本 Code Pattern 演示如何自动执行此类检查，通过使用设备图像向工作人员展示需要注意的设备，从而能够进行相应的维修处理，使之符合正常设备标准。Watson Visual Recognition 服务可以识别出特定缺陷或者图像是否符合正常状态。在将图像添加到 Cloudant 数据库时，由 IBM Cloud Functions 触发图像分析。
概览
在本 Code Pattern 中，您将使用机器学习分类技术来检查工业设备，通过视觉图像检查发现各种损坏情况。借助 Watson Visual Recognition，您将能够根据训练好的分类器来分析图像，通过以下六个标识符来检查石油和天然气管道：正常、破裂、腐蚀、涂层破损、接缝破损和泄露。对于每张图像，您将收到每个标识符的匹配率，这是根据该图像与受损标识符或正常标识符的匹配程度得出的。随后，这个数据可用于创建仪表板，显示哪个管道需要立即引起注意或无需注意。图像数据存储在 Cloudant 数据库中。
本 Code Pattern 演示在将图像添加到 Cloudant 数据库中时，IBM Cloud Functions 如何触发微服务。微服务可执行视觉识别分析，并利用分析好的数据更新 Cloudant 数据库。
学完本 Code Pattern 后，您将掌握如何：
- 训练 Watson Visual Recognition 对图像进行分类
- 配置 Cloudant 数据库以存储和检索图像数据
- 设置 IBM Cloud Functions 以触发视觉识别分析，并将结果存储在 Cloudant 数据库中
- 启动 Web 应用来查看视觉识别分析仪表板，并将其部署到 IBM Cloud 服务
流程
- 用户通过 Web UI 上传图像。
- 将图像数据发送到 Cloudant 数据库。
- 将图像数据发送到 Cloudant 数据库。
- 微服务使用训练好的 Watson Visual Recognition 服务来分析图像。
- 将分析好的数据发送回 Cloudant 数据库。
- Web UI 上的仪表板显示视觉识别分析和需要注意的图像。
操作说明
准备好使用这个 Code Pattern 了吗？您可以在 README 文件中找到如何运行并使用这个应用的全部细节。
本文翻译自：Analyze industrial equipment for defects（2017-11-16）