Длительность срока эксплуатации энергоносителей во многом зависит от корректного решения задач связанных с своевременным обнаружением механического повреждения энергоносителей, качественного формирования оценки повреждения. Срок эксплуатации влияет на многие факторы, в том числе и экономические. Вопрос оптимизации контроля состояния энергоносителей имеет ключевое значение. Для более точного и быстрого определения повреждения энергоносителей необходимо применение современных стандартов.
В настоящее время все больше улучшаются технологии с искусственным интеллектом (ИИ), заметно отличающиеся по функциональным возможностям.
Возможно ли, улучшить эксплуатацию энергоносителей с помощью искусственного интеллекта.
Искусственный интеллект — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека.
Безусловно, ИИ является областью больших возможностей таких как: решение конкретных задач с помощью обработки изображений и информации, а также и в других предназначениях. Но большой сложностью является обучение нейронной программы.
Решением данной проблемы является улучшение качество обработки изображений. Это возможно сделать несколькими путями:
1) увеличение времени производительности обработки информации искусственным интеллектом
2) увеличение объема данных для обработки искусственного интеллекта;
3) правильная структуризация нейронной сети, а также увеличения количества слоев нейронов к входному изображению;
Для более качественного обследования состояния высоковольтных линий электропередачи и ветроэнергетических установок американская компания Air Fusion использует беспилотные летательные аппараты, применяя программное обеспечение с алгоритмами ИИ для обработки результатов мониторинга. Нейронная сеть помогает лучше решить задачу распознавания образов (в том числе повреждения от ударов молний, расслаивание, эрозия покрытия и пр.).
В результате наилучшим средством для улучшения эксплуатации энергоносителей является огромное число изображений для достаточного обучения нейронной сети, а также увеличение времени или производительности пропорционально увеличению глубины сети и количеству изображений.
Список использованных источников:
- https://habr.com/company/yandex/blog/307260/
- https://www.eprussia.ru/epr/345-346/4513899.htm
