直观的可视数据管理解决方案Scopito与丹麦最大的公用事业提供商Energinet合作，训练检查无人机AI算法来检测和分类锈蚀。

自2014年以来，Energinet一直在使用Scopito的可视化平台。随着Energinet的许多塔达到其使用寿命，锈蚀是最大的问题，无论是表面锈蚀还是深层锈蚀。为了延长生产线的寿命，Energinet需要找到受影响的区域，并评估如何最佳地确定其资源的优先级。这就是AI发挥作用的地方。

Energinet的KennethNørupKnudsen说：“对于我们来说，与Scopito合作非常有意义，因为该软件已经成为我们工作流程不可或缺的一部分。”

该算法的首要任务是通过查看检查图像来识别存在生锈的区域。今天，从直升机上捕获飞越图像，以将数据负荷降至最低，但是一旦算法准备就绪，Energinet计划增加一种成本效益更高的固定翼无人机。由于它会产生大量的数据，这在更早的时候是不可能的，这对于人类来说将是太多了。但是，一旦他们有了处理图像的算法，对于Energinet来说就不会有问题。

一旦识别出锈蚀，该算法必须优先确定应首先解决管线的哪些区域。如果一定程度的锈蚀太严重，则集中在管线的一部分上可能会更有利，因为该部分更有可能被修复。评估需要考虑几个因素，正确评估对于延长Energinet资产的使用寿命至关重要。

“我们正在训练的这些算法将回答一些非常复杂的问题。” Scopito首席执行官兼创始人Ken Falk说：“他们不仅必须检测和分类锈蚀，而且还要评估应优先考虑哪些塔。”

对图像上发现的锈进行分类是最复杂的任务，因为锈很难分类。它开始于表面锈蚀，然后逐渐发展成深层锈蚀。在它们之间是不确定的阶段数，每个阶段都很难从外部识别。所需类别的数量取决于各种因素，从算法的准确性到Energinet的维护团队可用的资源。

“即使专业人士也不同意这项结果。” Scopito的Ken Falk说。他的团队正在研究Energinet的数据集，识别并标记不同程度的锈蚀，并与Energinet线务员进行协商以取得最准确的结果。他们期望一旦三个月的初始培训期结束，该算法的准确度将达到90％或更高。从那里开始，准确性将随着处理的数据量的增加而增加。

保守地讲，一种算法可以每小时分析约1.000张图像，而对于架线工则每小时可以分析175张。这意味着速度的显着提高。该算法的另一个优点是不会分散注意力，这很容易导致巡线员出错。

“有趣的是，该算法是否比人类同事更能正确地对锈进行正确分类。我们认为它会做到，因为它将是公正的，不受任何外部因素的影响，但是只有在该操作运行之前，我们才能知道。” 肯·福克（Ken Falk）说。

该项目将运行一年，其中前三个月将专门用于训练算法并为Scopito中的数据开发正确的“视图”。