预测和防止在结构资产处的不利状况的深度机器学习制造技术

提供了预测和防止在结构资产处的不利状况的深度机器学习。一种示例方法包括：获得描述多个图像的数据，所述多个图像描绘了包含第一结构资产的地理区域的至少一部分。所述多个图像至少包括在第一时间捕获到的第一图像和在与所述第一时间不同的第二时间捕获到的第二图像。所述方法包括：将至少描述所述第一图像、所述第一时间、所述第二图像和所述第二时间的数据输入到状况预测模型中。所述方法包括：接收关于在一个或者多个未来时间段期间在所述第一结构资产处的不利状况的发生的至少一个预测作为所述状况预测模型的输出。与用于预测和防止在结构资产处的不利状况的其它技术相比较，各个示例提供了显著的效率改进。

Deep machine learning to predict and prevent adverse conditions at the structural assets

Deep machine learning is provided to predict and prevent adverse conditions at the structural assets. An example method includes obtaining data describing multiple images, which depicts at least one part of the geographical area containing the first structural asset. The plurality of images includes at least a first image captured at the first time and a second image captured at a second time different from the first time. The method comprises the following steps: input the data at least describing the first image, the first time, the second image and the second time data into the state prediction model. The method comprises the following steps: receiving at least one prediction of the occurrence of unfavorable conditions at the first structural asset during one or more future periods, as the output of the state prediction model. Compared with other techniques used to predict and prevent adverse conditions at the structural assets, the various examples provide significant efficiency improvements.

【技术实现步骤摘要】
预测和防止在结构资产处的不利状况的深度机器学习
本公开大体上涉及机器学习。更具体地，本公开涉及使用深度机器学习来预测和防止在结构资产处的不利状况的系统和方法。
技术介绍
一个或者多个结构资产的所有者或者管理者通常期望或者需要监视在这种结构资产处的状况。具体地，所有者或者管理者可能期望或者需要防止在这种结构资产处的不利状况。作为一个示例，电力公司可能期望或者需要防止植被在电力基础设施(诸如，电杆和/或电线)上生长或者以其他方式侵入电力基础设施。作为其它基于植被的示例，在法律上可能需要铁路在路轨与植被之间保持指定的缓冲区；城市政府可能需要保持人行道没有垂悬的树枝；并且交通机构可能需要确保交通车辆相对于树枝或者其它植被的顶部余隙。作为附加示例，建筑资产(例如，住宅、工厂、办公建筑等)或者基础设施(例如，桥梁、公路等)的所有者或者管理者可能需要防止结构故障、对资产的损坏、或者在建筑资产或者基础设施处的其它不利状况。监视在大量结构资产处的状况会带来很多挑战，并且如果必须以较高的频率执行监视，则问题特别严重。例如，在电力基础设施的情况下，通常需要电力公司通过数百万英里的电力基础设施的专用勘测队(本文档来自技高网...

【技术保护点】
一种预测和防止在结构资产处的不利状况的计算机实现的方法，所述方法包括：通过一个或者多个计算装置获得描述多个图像的数据，所述多个图像描绘了包含第一结构资产的地理区域的至少一部分，其中，所述多个图像分别描绘了在多个不同时间时的所述地理区域，所述多个图像至少包括在第一时间捕获到的第一图像和在与所述第一时间不同的第二时间捕获到的第二图像；通过所述一个或者多个计算装置将至少描绘所述第一图像、所述第一时间、所述第二图像和所述第二时间的数据输入到机器学习状况预测模型中，其中，所述机器学习状况预测模型包括至少一个机器学习神经网络，以及其中，所述机器学习状况预测模型被配置为处理输入的数据以提供关于在一个或者多个...

【技术特征摘要】
2016.08.10 US 15/233,4141.一种预测和防止在结构资产处的不利状况的计算机实现的方法，所述方法包括：通过一个或者多个计算装置获得描述多个图像的数据，所述多个图像描绘了包含第一结构资产的地理区域的至少一部分，其中，所述多个图像分别描绘了在多个不同时间时的所述地理区域，所述多个图像至少包括在第一时间捕获到的第一图像和在与所述第一时间不同的第二时间捕获到的第二图像；通过所述一个或者多个计算装置将至少描绘所述第一图像、所述第一时间、所述第二图像和所述第二时间的数据输入到机器学习状况预测模型中，其中，所述机器学习状况预测模型包括至少一个机器学习神经网络，以及其中，所述机器学习状况预测模型被配置为处理输入的数据以提供关于在一个或者多个未来时间段期间在所述第一结构资产处不利状况的发生的至少一个预测；以及通过所述一个或者多个计算装置接收关于在所述一个或者多个未来时间段期间在所述第一结构资产处所述不利状况的所述发生的所述至少一个预测作为所述状况预测模型的输出。2.根据权利要求1所述的计算机实现的方法，其中，通过所述一个或者多个计算装置获得描述所述多个图像的所述数据包括：通过所述一个或者多个计算装置获得所述第一图像，所述第一图像包括包含第一结构资产的所述地理区域的第一地平面图像；以及通过所述一个或者多个计算装置获得所述第二图像，所述第二图像包括包含所述第一结构资产的所述地理区域的第一高空图像。3.根据权利要求2所述的计算机实现的方法，其中，通过所述一个或者多个计算装置获得所述第一地平面图像包括：通过所述一个或者多个计算装置获得与所述第一结构资产的所述第一地平面图像对应的第一光检测和测距(LIDAR)数据集。4.根据权利要求2或者3所述的计算机实现的方法，其中，通过所述一个或者多个计算装置将至少描述所述第一图像、所述第一时间、所述第二图像和所述第二时间的所述数据输入到所述状况预测模型中包括：通过所述一个或者多个计算装置将所述第一地平面图像输入到对象检测模型中；通过所述一个或者多个计算装置接收一个或者多个对象特征向量作为所述对象检测模型的输出，所述一个或者多个对象特征向量分别描述了包括在包含所述第一结构资产的所述地理区域中并且由所述第一地平面图像描绘的一个或者多个相应对象的一个或者多个属性，其中，所述一个或者多个对象影响在所述第一结构资产处的所述不利状况的所述发生；以及通过所述一个或者多个计算装置将描述所述一个或者多个对象特征向量、所述第一时间、所述第一高空图像和所述第二时间的数据输入到所述状况预测模型的状况预测神经网络中。5.根据权利要求4所述的计算机实现的方法，其中：通过所述一个或者多个计算装置将所述第一地平面图像输入到所述对象检测模型中包括：通过所述一个或者多个计算装置将所述第一地平面图像输入到植物检测模型中；通过所述一个或者多个计算装置接收所述一个或者多个对象特征向量包括：通过所述一个或者多个计算装置接收一个或者多个植物特征向量作为所述植物检测模型的输出，所述一个或者多个植物特征向量分别描述了包括在包含所述第一结构资产的所述地理区域中并且由所述第一地平面图像描绘的一个或者多个相应植物的一个或者多个属性，其中，所述一个或者多个植物影响在所述第一结构资产处的植被过度生长状况的发生；通过所述一个或者多个计算装置将所述数据输入到所述状况预测神经网络中包括：通过所述一个或者多个计算装置将至少描述所述一个或者多个植物特征向量、所述第一时间、所述第一高空图像和所述第二时间的数据输入到植被过度生长预测神经网络中；以及通过所述一个或者多个计算装置接收所述至少一个预测作为所述状况预测模型的所述输出包括：通过所述一个或者多个计算装置接收关于在所述一个或者多个未来时间段期间在所述第一结构资产处所述植被过度生长状况的所述发生的所述至少一个预测作为所述植被过度生长预测神经网络的所述输出。6.根据权利要求2至5中的任一项所述的计算机实现的方法，其中：通过所述一个或者多个计算装置获得描述所述多个图像的所述数据进一步包括：通过所述一个或者多个计算装置获得第三图像，所述第三图像包括包含所述第一结构资产的所述地理区域的第二高空图像，所述第三图像是在与所述第二时间不同的第三时间捕获的；以及通过所述一个或者多个计算装置将所述数据输入到所述状况预测模型中包括：通过所述一个或者多个计算装置将至少描述所述第一图像、所述第一时间、所述第二图像、所述第二时间、所述第三图像和所述第三时间的所述数据输入到所述状况预测模型中。7.根据权利要求6所述的计算机实现的方法，其中，通过所述一个或者多个计算装置将至少描述所述第一图像、所述第一时间、所述第二图像、所述第二时间、所述第三图像和所述第三时间的所述数据输入到所述状况预测模型中包括：通过所述一个或者多个计算装置至少部分地基于所述第一高空图像和所述第二高空图像来确定一个或者多个定量度量，...

【专利技术属性】
技术研发人员：迈克尔·格林，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国,US