2023年最先进的道路巡检系统,谁是Top 1?

简介: 在”十四五”的推动下,2023年越来越多的科技创新型企业陆续把目光放在道路巡检智能化上面,其中有6家科技型企业脱颖而出,究竟哪家企业的产品才是Top 1?

在”十四五”的推动下,2023年越来越多的科技创新型企业陆续把目光放在道路巡检智能化上面,其中有6家科技型企业脱颖而出究竟哪家企业的产品才是Top 1


本文聚焦技术能力,解读产品形态为你将找到答案

 

01、千寻位置网络有限公司

千寻驰观道路智能巡检系统

 

该系统将北斗加AI的创新性技术融合,解决当前行业应用技术以AI为主而产生的识别精度不高的普遍痛点,挑战道路病害“0漏检、0重检”,打造“实用”级别的道路智能巡检系统。通过“车道级”目标位置估计、像素级面积计算、病害+路产联合识别等多项产品功能,显著提升道路巡检作业效率。该系统包含三大核心部件:北斗+视觉AI感知终端、高性能AI边缘计算平台、HMI人机界面设备。据官方数据说明,系统支持日均产生55万张照片,达到人工目检测的近40倍,道路病害召回率和准确率分别高达95%和90%,边缘侧整体处理速度优于10帧/秒,支持巡检速度大于80Km/h的高速公路巡检。

 

image.png

 

病害+路产“联合”识别

 千寻位置累积了不同城市、不同环境、不同等级公路的海量图像数据,并基于此构建了百万级别的样本数据,除了聚焦于路面病害,千寻位置针对交通标志牌、龙门架、护栏、摄像头等目标还进行了专门的模型训练。能有效支持7种道路表面病害,24大类总计355种细分类道路基础及附属设施的模型训练,支持目标的覆盖率达到95%。

 

像素级目标还原

与一般AI道路巡检系统不同,千巡驰观通过深度学习的病害边界精细提取技术实现像素级的公路表面病害面积计算,实现“实时动态”数据更精准。

 

 

多目标实时跟踪算法,挑战0重检

 为解决目标因大小位置变化导致的重复报告,千寻位置实现单次采集数据去重为每一个目标构建唯一的身份标识。针对性的设计了多元信息融合的技术方案。根据不同类型目标的特点,将语义信息、高精度位置信息、图像特征信息融合到统一的跟踪框架之中,识别特定目标并编号,赋予其唯一的身份信息,使其不会随着大小及位置的变化而重复报告。根据目标跟踪结果,在相同id目标的跟踪序列中,自动选取最优的关键帧。使得识别目标的定位结果和不规则病害面积的计算结果更为精准,实现0重检。

 

 

结构化业务数据输出

系统将检测对象绝对位置坐标与道路公里桩进行绑定,并根据需求定制相应的业务报表有效支撑养护运维。

 

image.png

(结构化数据输出)

 

 

边缘计算技术

千寻驰观可以做到在车端进行实时数据处理并输出成果数据。与云上实时计算的方案相比,边缘计算不受网络服务稳定性及带宽的影响,保证结果输出的稳定性。与服务器后处理的方案相比,边缘计算有更强的时效性,作业人员可以及时评估巡检效果,对当前巡检作业的有效性做出即时的判断。同时边缘计算,可以去除冗余无效数据,大幅减少数据量,节省数据传输的资源及时间消耗。

 

操作轻易

HMI人机界面设备集成度高,可灵活适配各种车型。采集平台更加小型化和轻型化。易安装部署可以灵活适配各种车型。提供配套的触摸显示屏及控制软件,可以录入必要的巡检业务信息,并控制巡检流程,并实时查看视频、图像、智能识别结果、行车轨迹及各核心传感器的工作状态。控制软件交互,简单易操作,司机即可独立完成设备操控及巡检作业,将车内巡检作业人员的数量减少至1人。

(素材取于:最新宣传新闻稿:https://baijiahao.baidu.com/s?id=1761772249620365800;官方产品页面:https://www.qxwz.com/products/qxchiguan

 

 

 

02上海同陆云交通科技有限公司

“路可得”+“路慧养”+“路慧通”

 

同陆云提出了“数据产品+软件产品+方案产品”的产品服务模式。

“路可得”即轻量化巡检/检测设备,由前景云台相机、后景高速相机、高精度定位系统、三轴加速度传感器以及智能车载中端组成,实现路面平整度破损、资产完整性等情况的快速评估与定性定量描述。其核心技术为视觉AIPSD算法。

 

image.png

(“路可得”产品安装图示)

 

“路慧养”即数字化管养平台,以“养护全周期的数字服务”为理念进行设计,将“路可得”等同陆云数据产品巡检获得的道路资产通过高频、多维、轻量化的智能巡查手段,对道理资产排查及道路进行病害诊断统计,生成道路指标数值,形成相关的意见和建议。

 

image.png

(基础设施数字化管养平台)

 

在道路养护前、中、后不同阶段,分析评估道路状况;综合不同维度数据,结合时空因素,深入分析病害发展,预测演变趋势;根据分析结果,为养护决策、养护手段提供建议。明确病害后对问题进行处置并跟踪,形成整个基础设施数字化管养的全闭环。实现CIM/GIS大屏综合展示、日常管理大屏展示,应急大屏等日常业务管理模块;路长制信息平台管理系统(WEB端),路长制管理平台(APP)等,为用户提供养护业务云平台,实现养护业务巡查上报、派单处置、审核审批等操作流程。

 

“路慧通”则是基于“路可得”数据和“路慧管”平台,结合人员、机器、物料、法则以及环境整合出的一套运用新材料新工艺实现降本增效、绿色养护的方案产品,实现道路巡检的方案化。

(素材取于:同陆云公众号:https://mp.weixin.qq.com/s/tsakf_0JcYuxnjR_EY7a1Ahttps://mp.weixin.qq.com/s/VUstanLa2L_XTrSM2vJi7ghttps://mp.weixin.qq.com/s/PUDhd8Oj9u-XBLlBNPb9vA

 

03、建勖信息科技有限公司

道路预养护AI快巡数字化管理系统

 

 

作为通过AI识别和大数据分析于一体的软件,系统内置智能算法仓,可自由切换算法模型,算法种类300+种,可对路面病害进行实时抓拍。

 

不仅根据病害数据进行智能分析研判,并可通过系统实时获取到道路平整度、跳车指数、构造深度、磨耗等指数,为科学的道路预养护决策提供数据依据。还有主动预警功能,减少人工巡检养护风险,从而达到降本增效的效果。

 

同时实现与《智慧巡检空天一体可视化管理系统》中的破损巡检影像互联互通。在低速和变速情况下对路面的平整度IRI、构造深度SMTD/MPD、磨耗PWI、跳车PBI值进行有效评估。

 

(素材取于:建勖官网:https://www.joyxu.net/#/

 

 

04、高德软件有限公司

道路交通设施数字化管养系统

 

高德道路交通设施数字化管养系统依托AI终端,建立巡养一体新模式。在巡检中,AI巡检终端可以自动化发现道路病害(涵盖路面、交通安全设施的损坏),定位到电子地图的相应车道上,并月度更新,帮助相关管理单位及时掌握道路病害信息。

image.png

 

该系统存在3个核心技术,第一,建设全要素数字化的高精度地图底盘,为数字化、协同化管理提供支撑;第二,研发AI巡检终端,辅助人工主动化发现、量化定位病害,为智慧化巡检提供手段;第三,建设智慧管养平台,帮助道路管理单位实现主动式管养和智慧决策。融合高德交通大数据、行业规范和评价算法,高德道路交通设施数字化管养系统中的智慧决策模块能够帮助道路管理单位主动发现安全隐患、病害,研判预警问题,形成系统性最优方案,支持主动化管养和智慧决策。

 

(素材取于:央广网https://baijiahao.baidu.com/s?id=1714195570885950844

 

 

05深圳思谋信息科技有限公司

道路巡检智能管理系统

 

 

该系统以自研的视觉AI技术为核心,集车载轻量化智能采集设备、道路巡检智能管理系统、智能养护管理系统为一体,端边云协同。


image.png

 

凭借思谋在机器视觉、边缘计算等方面的技术优势,实现以“工业像素级”检测标准和能力,识别病害类型超过20种,算法识别准确率平均为90%,搭载轻量化智能采集设备部可实现多车道+街景数据实时采集上传,车速高达100km/h,通过高清拍照和厘米级定位,以强大的边缘计算能力准确率平均98%。不仅可结合道路巡检场景采用特定训练策略去训练模型,使用加速方法在边缘端部署模型进行实时检测,而且采用半监督学习以及分布式训练方法,大大提升数据标注和模型迭代效率。

 

思谋道路巡检智能管理系统,拥有水泥及沥青路面病害、道路资产的多场景识别算法仓,可以实现毫秒级切换和巡查任务智能匹配。在智能巡查方面,支持病害量化分析去重、巡查任务管理等多功能;在资产数字化管理方面,可采集处理道路桩号实现自动匹配,对公路资产及设施进行核查,对设施遮挡、缺损等隐患进行智能分类管理等。通过三维可视化呈现道路要素信息及巡查轨迹,自动化输出巡查、检测及隐患排查报告,辅助用户跟踪各工区的养护工作质量、计算养护材料用量,有效提升养护工作决策的科学化水平。

 

image.png

(素材取于:思谋官网:https://cn.smartmore.com/solutions/innovation/traffic.html;思谋科技百度官方账号:https://baijiahao.baidu.com/s?id=1761681679484916958&wfr=spider&for=pc

 

06深圳云天励飞技术股份有限公司

智慧巡检系统

 

通过搭载轻量化智能车载设备即可将传统巡检车升级为智能巡检车,行车过程中自动抓拍道路病害,检出率和准确率均超过95%,不再需要人工下车巡查,即装即用。

image.png

 

巡检数据经过边缘计算处理后以低数据量形式实时上传至云端管理平台,减少数据传输延迟,提高传输效率,病害数据在云端将进行二次识别、分级、归类,形成道路病害数据库。结合大数据分析及GIS技术,管理人员在后台可以随时查看巡检路线、病害分布等全局信息,辅助管养决策,逐步实现道路管养由“事后处置”向“事前预防”转变。

(素材取于:https://www.chinaz.com/2023/0329/1510596.shtmlhttps://news.yesky.com/hotnews/317/2147446317.shtml

 

 

由此可见,这6款道路巡检系统产品无论在道路数据采集、数据分析整合以及产品使用上个各具特点,哪款产品是你心目中的Top 1


搜索千寻驰观,查看北斗如何助力精细化公路养护决策。

相关文章
|
6月前
|
传感器 人工智能 监控
AI自动化监测
**AI自动化监测**运用AI算法对各类对象进行实时分析,如工业生产中的故障预警、安防监控中的异常行为检测、网络安全威胁识别、环境变化监控、医疗健康跟踪及交通管理优化。其关键优点是高效、准确地处理大量数据,提升行业智能化水平。
95 5
|
1月前
|
机器学习/深度学习 人工智能 安全
AI在灾害管理中的作用:提高防灾减灾能力
【10月更文挑战第8天】AI技术在灾害管理中的应用正在逐步改变我们对灾害的应对方式。通过发挥AI的优势,我们可以更有效地预防、减轻和应对自然灾害带来的挑战,为构建安全、弹性的社会做出更大贡献。
|
2月前
|
人工智能 安全 数据挖掘
AI在灾害预警与管理中的应用:提升应急响应能力
【9月更文挑战第23天】AI在灾害预警与管理中的应用正在逐步改变我们对灾害的应对方式。通过实时监测与数据分析、精准预测与风险评估、快速响应与决策支持、智能调度与资源优化以及灾后评估与恢复重建等多种手段,AI正逐步提升我们的应急响应能力,为保障人民生命财产安全提供有力支持。未来,随着AI技术的不断发展和完善,我们有理由相信,AI将在灾害预警与管理中发挥更加重要的作用,为人类社会的可持续发展贡献更多力量。
|
6月前
|
机器学习/深度学习 传感器 算法
构建未来:基于机器学习的智能健康监测系统
【5月更文挑战第12天】 在数字医疗领域,智能健康监测系统的出现正在革新我们对健康管理和疾病预防的理解。本文将探讨一个基于机器学习技术的智能健康监测系统的设计与实现,它能够实时跟踪个体的健康指标并通过预测性分析提前警示潜在的健康问题。通过融合生物统计学、数据挖掘及模式识别等先进技术,该系统旨在为个人用户提供量身定制的健康建议,并为医疗专业人员提供决策支持。文章首先概述了系统框架和关键技术,随后详细讨论了机器学习模型的建立过程以及如何优化这些模型以提高预测的准确性。最后,我们通过实验结果验证了系统的有效性,并讨论了未来的发展方向。
|
人工智能 边缘计算 运维
千寻驰观测评:真正达到实用级别的北斗+AI道路智能巡检
大规模道路养护时代,智能化应用需求呈现快速的增长趋势。作为道路智慧化的重要场景,道路智能巡检正在成为各地积极探索的新工具。根据赛文交通网的调研,当前道路智能巡检技术的应用以AI为主,整体处于早期阶段,在已经落地的AI道路巡检项目中,不少巡检检测成本可降低40%,且智能巡检效率是人工巡检的十倍以上;但另一方面,部分业主也传出了“识别精度不高、采集数据不准等问题,与实际应用尚存在距离”等声音。
千寻驰观测评:真正达到实用级别的北斗+AI道路智能巡检
|
机器学习/深度学习 人工智能 运维
用ML提前预测磁盘故障、智能诊断部署,MSRA在云端将AIOps玩出高度
用ML提前预测磁盘故障、智能诊断部署,MSRA在云端将AIOps玩出高度
247 0
|
传感器 编解码 人工智能
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(上)
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线,该方法主要介绍了三个关键技术。首先,应用双边滤波器来平滑和保留边缘,引入了一个优化的强度阈值范围(OITR)来提高canny算子的性能,该算子检测低强度(有色、腐蚀或模糊)车道标记的边缘。第二,提出了一种稳健的车道验证技术,即基于角度和长度的几何约束(ALGC)算法,然后进行霍夫变换,以验证车道线的特征并防止不正确的车道线检测。最后,提出了一种新的车道线跟踪技术,即水平可调车道重新定位范围(HALRR)算法,该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(上)
|
编解码 人工智能 算法
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(下)
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线,该方法主要介绍了三个关键技术。首先,应用双边滤波器来平滑和保留边缘,引入了一个优化的强度阈值范围(OITR)来提高canny算子的性能,该算子检测低强度(有色、腐蚀或模糊)车道标记的边缘。第二,提出了一种稳健的车道验证技术,即基于角度和长度的几何约束(ALGC)算法,然后进行霍夫变换,以验证车道线的特征并防止不正确的车道线检测。最后,提出了一种新的车道线跟踪技术,即水平可调车道重新定位范围(HALRR)算法,该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(下)
|
机器学习/深度学习 数据采集 人工智能
【设备状态智能诊断队】基于AI技术的核电故障早期预警和诊断模型
宁德核电Python大赛设备状态智能诊断队作品展示。
617 0
【设备状态智能诊断队】基于AI技术的核电故障早期预警和诊断模型
|
机器学习/深度学习 数据采集 传感器
基于工业数据的检测分析
基于工业数据的检测分析
125 0
下一篇
无影云桌面