毫无疑问，无人机应用正在成为工业4．0的一个组成部分。当无人机与人工智能相结合，无论是在繁忙的施工现场、壮观的太阳能阵列上空，还是在一望无际的农场、鲨鱼出没的海滩，两者不断为人类管理者提供全新的视觉。

这种视觉让我们有能力看得更广、更清晰、更深入，而当无人机采集的图像转化为大型数据集，并结合强大的分析软件，则为我们提供了前所未有的数据采集、分析、管理、维护与预测能力。

随着无人机技术的不断发展和普及，用于维护、测量、测绘和监测等各种任务的高分辨率图像的可用性正在增加。作为人工智能在无人机行业中最重要的应用目标之一，有效利用无人机收集的大型数据集则意味着可对数据集以自动化方式进行处理。

在目前，市场上已经有许多成熟的软件公司为用户提供基于人工智能的数据分析解决方案，使非结构化无人机数据“可操作”并获得有价值的分析结果，而无需耗时的手动分析。

1．实践中的智能分析

从农业到建筑，从能源到安全／安防，深度学习或机器学习算法的使用已经涵盖了无人机应用的许多垂直领域。

例如，在2017年底，Pix4D已经开始使用机器学习算法进行多种摄影测量应用，将3D点云分类为建筑物，道路或植被等类别，而现在已经可以使用各种智能工具来计算树木数量并确定它们的高度和种类，甚至可以使用这些工具来确定道路、建筑物或植被表面计数，还可以计算停车场中的汽车数量，或一定区域中适合安装太阳能电池的屋顶。

Pix4D还与Hummingbird合作开发了一款软件，帮助农场经理和农艺师解决那些导致生产力受到严重破坏的作物和植物病害问题。他们将特定的机器学习功能添加到强大的算法中，以发现和破译隐藏的模式，从而帮助客户实现更准确的诊断和针对性处理。

Ardenna公司正在利用图像处理和人工智能进行自动检测，对铁路和风力涡轮机检查过程中发现的异常情况进行分类和报告。在无人机进行铁路检查后，他们收集了来自100英里铁轨的大约40，000张图像，而该公司的软件可以自动检测30种不同类型的异常，处理时间不到5小时。

Skycatch的系统则可以在施工现场执行自动化任务，通过深度学习模型识别和跟踪施工现场的资产和物料交付。像这样的实时跟踪可以用于预测项目延迟，而随着时间的推移，该系统可以学习如何防止这种延迟，以帮助建筑公司节省大量资金。

在2017年美国发生哈维飓风灾害后，EagleView Technologies使用机器学习算法来创建房产分析数据。这种方法使得保险公司可以分析无人机图像并有效地对损害进行分类，这对于在飓风后快速处理大量索赔起到了非常重要的作用。

澳大利亚的Westpac集团推出了世界首个自动化鲨鱼监测无人机系统Shark Spotter，该系统基于复杂的深度学习框架开发了一种算法，可通过配备物体识别功能的无人机来实时检测和识别水中鲨鱼的出没迹象，并快速应对海滩附近的鲨鱼潜在威胁。

美国公司Nanonets可为其他企业或软件开发商在构建机器学习模型方面提供支持。所有客户需要做的是向他们发送一些样本，以便模型可以从中学习，例如检查太阳能电厂或计算图像中的某种物体。

Nearthlab是一家韩国软件公司，目前正在开发一种解决方案，可以自动检测并报告照片中风力涡轮机叶片的损坏情况。通过应用此技术，客户可以快速识别损坏，并在需要时启动相关措施。

普华永道英国是全球首家使用无人机进行库存盘点审计的公司。

公司用无人机拍摄英国最后一家燃煤电站之一的燃煤储量，并将其拍摄的图像用于创建点云“数字孪生”模型，以测量煤堆的体积。据测量结果，准确率超过99％。