利用计算机视觉自动化扑灭野火

项目概况：训练机器对抗野火

一家全球领先的安全和航空航天公司正设法通过计算机视觉应用增强其扑灭野火的能力。决策支持系统使用这些机器学习应用跟踪野火的预测路径。根据美国国家机构消防中心的数据，今年以来，美国的野火燃烧面积约为10年平均值的116%。

挑战：大规模的高质量数据标注与模型评估

模型作为一种决策支持工具，其预测能力的好坏至关重要。这些预测结果用于确定火灾下一步可能蔓延到哪里、蔓延速度、对不同地形的影响，以及如何最有效地部署资源、在哪里部署最为有效。该组织需要用准确、高质量的数据训练算法，确保模型奏效。支持模型训练的数据类型包括复杂的EO/IR（光电/红外）以及来自地面和空中系统的多个传感器的热力图。该模型使用不同数据集将地形、燃烧物、风向、风速和火灾位置的实时监测等因素纳入设计。

解决方案：计算机视觉自动化在灭火与防火中的应用

利用我们的计算机视觉自动化技术，该组织能够使用多传感器集成，使唯一的标识符在多个数据集里保持一致。我们平台的数据标注范围很广，提供多边形等特定形状的标注、像素遮罩和边界框标注等功能。利用这些不同角度的标注，便能够提取图像中最重要的特征。 另一个关键特征是静态数据，利用它可以极大地降低风险。其中，最大的好处是能够在初始存储点标注数据，而不必将其迁移到第三方工具中。这样做不仅能节省大量时间，还能使客户全面保管和控制其数据。

结果：无限可能的艺术

我们的平台让客户的数据科学家能够大显身手，将可能性的艺术推向极致。澳鹏平台能够接受大量的数据类型，这使得客户能够利用一些以前从未触及的数据源。我们的专业服务团队在创建我们的训练数据管道和学习运维（MLOps）功能方面还在不断创造增值。 他们通过跟踪项目指标，支持和改进模型性能以及训练数据的标注精度，从而提高置信度。