NVIDIA通过边缘计算获得更多更好数据价值

作为 FirstEnergy 公司产品创新团队的成员，Connor McCluskey 的工作是寻找能够开辟新收入的来源或削减成本的技术。FirstEnergy 是一家为俄亥俄州中部到新泽西海岸的 600 万客户提供服务的电力公司。

Connor McCluskey 收到了一封来自 Noteworthy AI 的创始人 Chris Ricciuti 的邮件，Chris Ricciuti 在邮件中阐述了使用边缘计算将从根本上改进公用事业公司追踪资产的方式的想法。对于 FirstEnergy 而言，这些资产包括安装在数百万根电线杆上的数千万台设备，这些设备横跨 26.9 万英里的输电线路。

斗式卡车成为智能相机

Ricciuti 说，他的初创公司旨在将公用事业车队中的每辆卡车都变成一个智能相机，拍下它经过的每一根杆子。更重要的是，Noteworthy AI 的软件将提供电线杆的位置，识别电线杆上的齿轮，并帮助分析电线杆的状况。

“我马上意识到这可能会改变游戏规则，所以我给他打了电话。” McCluskey 说。

仅在美国，公用事业就拥有1.85 亿个电线杆。他们每年花费数千万，甚至数亿美元，试图追踪变压器，保险丝和其他设备，以及它们周围生长的植物。

公用事业公司通常每年都会派出工人手动检查其配电线路的一小部分。这可能需要数十年的时间来完成，每台设备的状况对于安全供电至关重要。

30 天内增加 5 倍图像

在去年夏天的一项试点测试中，Noteworthy AI 展示了如何通过边缘计算获得更好的结果。

在 30 天内，两辆配备了该初创公司智能摄像头的 FirstEnergy 卡车收集了 5，000 多张电线杆的高分辨率图像。这将实用程序的数据库扩展了五倍以上。

“人们对我们能在如此短的时间内完成的事情感到震惊。” McClusky 说。

更重要的是，这些图片的质量比公用事业数据库中的图片要高。当实际线路条件与工程师预期的情况不同时，这将有助于避免浪费行程。

用例相乘

试点计划的消息传到了其他业务部门。

一个检查 FirstEnergy 的 880，000 盏路灯的团队和另一个负责跟踪其线路周围植被生长的团队想要尝试这项技术。他们都看到了通过边缘计算获得更多更好数据的价值。

因此，扩大试点工作正在进行中，即在更大的区域内部署更多的卡车。

现在估计这些数字还为时过早，但 McCluskey 表示：“我觉得我们可以通过这项技术显著节约成本——可以想象在几年内，它的应用将扩展到我们所有的州。”

深入了解边缘计算

Noteworthy AI 将两个摄像头和通讯设备装到了一个小蛋糕盒大小的装置中，用磁铁或吸盘连接到卡车上。它连接到驾驶室内一个较小的单元，该单元在 NVIDIA Jetson Xavier NX 上处理图像和人工智能。

“我们开发了一个非常复杂的工作流程，可以在 Jetson 的边缘运行。” Ricciuti 说。

它使用了 7 个 AI 模型。一种模型在以 30 帧/秒的速度拍摄的图像中寻找极点，当它找到一个时，它会触发一个更高分辨率的相机，拍摄 60 兆字节的照片。

其他的模型可以识别极点上的齿轮，并决定将哪些图像发送到云盘中的数据库中。

“我们在 Jetson 的边缘进行所有这些 AI 计算，因此我们不必将所有图像发送到云端——这节约了巨大的成本。” Ricciuti 说。

他补充道：“随着客户用例的增长，我们将在未来逐步升级到 Jetson AGX Orin 这样的产品—— NVIDIA 在边缘计算领域的卓越表现令人惊叹。”

软件、支持加速启动

这家初创公司使用的是 NVIDIA TensorRT，该代码可以使其人工智能模型保持整洁，因此运行速度很快。它还采用了 NVIDIA JetPack SDK ，该 SDK 带有用于计算机视觉和深度学习的驱动程序库，以及ROS操作系统，该操作系统现在在 Jetson 上进行了加速。

此外，Ricciuti 还列举了参与 NVIDIA 初创加速计划的三个好处。NVIDIA 初创加速计划是一个旨在培育尖端创业公司的项目。

“当我们遇到工程问题时，我们会被介绍给技术人员，他们会帮我们解除障碍；当我们准备上市时，我们会见潜在客户；我们还通过云中的 GPU 训练模型。”他说。

人工智能带来数字转型

GPU、软件和支持帮助 Ricciuti 做他喜欢的工作：找到能通过 AI 改变大型监管公司陈旧惯例的方法。

他说：“我们所能做的只是冰山一角，正如人们正被迫在面对气候变化等问题时进行创新，而且拥有大型配电网络的公用事业公司也对我们很感兴趣。”

原文标题：公用事业公司体会到计算机视觉追踪路线的力量

文章出处：【微信公众号：NVIDIA英伟达】欢迎添加关注！文章转载请注明出处。