歸根結底：由于有了AI，遠程視頻源的實(shí)時(shí)分析正在迅速改善，從而提高了遠程設備和設施監控的準確性。
農業(yè)，建筑，石油和天然氣，公用事業(yè)以及關(guān)鍵基礎設施都需要合并網(wǎng)絡(luò )安全和物理安全，以適應日益復雜的威脅。首先需要提高基于A(yíng)I的視頻識別系統提供的對遠程威脅的準確性，洞察力和響應速度。事實(shí)證明，機器學(xué)習技術(shù)是更廣泛的AI策略的一部分，可以有效地實(shí)時(shí)地使用視頻識別異常和威脅，并經(jīng)常將它們與網(wǎng)絡(luò )威脅相關(guān)聯(lián)，而網(wǎng)絡(luò )威脅通常是對遠程設施進(jìn)行精心策劃的攻擊的一部分。
實(shí)時(shí)識別異常
監督，無(wú)監督和強化機器學(xué)習算法的快速發(fā)展及其對基于A(yíng)I的視覺(jué)識別系統的貢獻定義了遠程安全監視的未來(lái)。具有夜視，紅外和熱成像功能的攝像機充當這些基于A(yíng)I的視頻識別系統的傳感器，可對遠程設備，站點(diǎn)和那里的資產(chǎn)進(jìn)行24/7監控。在該領(lǐng)域值得關(guān)注的公司之一是Twenty20 Solutions，該公司正在將機器學(xué)習與遠程站點(diǎn)和設備的實(shí)時(shí)視頻數據饋送集成在一起，以實(shí)時(shí)識別異常。他們的SCADA即服務(wù)集成了傳感器，儀表和設備，以提供數據遙測和實(shí)時(shí)信息。這種方法值得注意的是，許多行業(yè)必須集成網(wǎng)絡(luò )和物理安全系統，并獲得360度的遠程位置威脅視圖。通過(guò)利用整個(gè)石油和天然氣價(jià)值鏈的實(shí)時(shí)監控來(lái)整合網(wǎng)絡(luò )和物理安全，也可以帶來(lái)許多運營(yíng)優(yōu)勢。普華永道石油和天然氣數字化轉型的下圖顯示了SCADA，實(shí)時(shí)監控和集成安全性在提高運營(yíng)效率方面的作用：
監督控制和數據采集(SCADA)系統用于監視和控制電信，水和廢物控制，能源，石油和天然氣精煉和運輸等行業(yè)中的工廠(chǎng)或設備。研究提供者IMARC預測，到2024年，全球SCADA市場(chǎng)規模將達到$ 26B，在2019年至2024年之間的復合年增長(cháng)率(CAGR)為5.7%。以下圖表來(lái)自其近期研究，顯示石油與天然氣，制造，水與廢水，電力或公用事業(yè)等行業(yè)領(lǐng)先。
人工智能和機器學(xué)習如何定義遠程監控的未來(lái)
人工智能和機器學(xué)習是擅長(cháng)發(fā)現基于視覺(jué)的異常的技術(shù)。簡(jiǎn)而言之，以下是當前和下一代基于A(yíng)I的視頻識別系統所依賴(lài)的三種主要的機器學(xué)習算法：
監督學(xué)習算法 –監督機器學(xué)習算法擅長(cháng)發(fā)現圖像隨時(shí)間變化的異常情況。他們可以通過(guò)訓練數據集來(lái)識別目標的正確圖像，從而做到這一點(diǎn)，因此當出現異常圖像時(shí)，他們可以對其進(jìn)行識別。農業(yè)，建筑，石油和天然氣以及公用事業(yè)公司依靠監督的機器學(xué)習算法來(lái)識別，跟蹤和監視車(chē)輛，機械，資產(chǎn)和遠程位置使用模式。建筑公司將從這些算法中受益，這些算法不僅可以保護遠程站點(diǎn)，還可以預見(jiàn)其生產(chǎn)團隊可能面臨的有害工作條件。編寫(xiě)受監督的機器學(xué)習算法以用于基于A(yíng)I的視頻識別系統的AI開(kāi)發(fā)人員使用Scikit-learn和Caret。
無(wú)監督學(xué)習算法 –該類(lèi)別的算法擅長(cháng)發(fā)現圖像中的新模式，這對于發(fā)現和報告實(shí)時(shí)視頻流中的異常情況非常有價(jià)值。石油和天然氣公司依靠這些算法來(lái)監視來(lái)自遠程設備和資產(chǎn)的紅外和熱數據。寫(xiě)無(wú)監督的機器學(xué)習算法流行的工具包括TensorFlow， PyTorch和Keras。網(wǎng)上有免費的斯坦福大學(xué)深度學(xué)習教程。
強化學(xué)習算法 –基于強化結果的概念，基于A(yíng)I的視頻識別系統使用這些算法來(lái)修正其識別和更新已知圖像的方式。遠程施工，油氣和公用事業(yè)站點(diǎn)依靠實(shí)時(shí)監控和強化學(xué)習算法的結合來(lái)不斷評估設備和資產(chǎn)的狀況。強化學(xué)習算法提供的見(jiàn)解可幫助確保位于不同地理位置的遠程設備的一致性，合規性和安全性保持在最佳水平。Google的自動(dòng)駕駛汽車(chē)項目以及特斯拉自動(dòng)駕駛功能都依靠強化學(xué)習算法來(lái)導航他們今天所處的測試城市。
機器學(xué)習算法非常適合視覺(jué)分析
機器學(xué)習算法尤其擅長(cháng)在數據中查找模式并從中得出推論。正在進(jìn)行的基于A(yíng)I的視覺(jué)識別研究集中在ImageNet上，ImageNet是一種普遍采用的標準，用于評估基于A(yíng)I的計算機視覺(jué)解釋的準確性。創(chuàng )建流行的機器學(xué)習框架TensorFlow的計算機科學(xué)家和數據建模專(zhuān)家已經(jīng)發(fā)現，基于卷積神經(jīng)網(wǎng)絡(luò )的模型在完成復雜的視覺(jué)識別任務(wù)方面最有效，并且精度最高。該領(lǐng)域的研究由風(fēng)險投資家提供大量資金，他們發(fā)現有機會(huì )在該技術(shù)的航空航天和國防，金融服務(wù)，制造，專(zhuān)業(yè)服務(wù)和醫療應用中提供先進(jìn)的視覺(jué)識別系統。
基于A(yíng)I的視覺(jué)識別系統能夠通過(guò)迭代采樣數據并使用算法實(shí)時(shí)分類(lèi)，分類(lèi)和創(chuàng )建代表數據集的模型，在幾秒鐘內分析和解釋給定圖像。
結論
具有夜視，紅外和熱成像視頻流功能的數字化遠程攝像機可為基于A(yíng)I的視頻識別系統提供保護遠程位置，設備和資產(chǎn)所需的數據。從工業(yè)物聯(lián)網(wǎng)(IIoT)的角度來(lái)看，攝像機正在迅速成為所有設備中最智能的傳感器，能夠實(shí)時(shí)監視遠程位置和資產(chǎn)的多個(gè)屬性，并為運營(yíng)和安全團隊提供有價(jià)值的見(jiàn)解。農業(yè)，建筑，石油和天然氣，公用事業(yè)和關(guān)鍵基礎設施行業(yè)需要考慮如何將其IIoT平臺集成到更廣泛的網(wǎng)絡(luò )安全策略中，以360度查看在其所在位置發(fā)動(dòng)的多方面威脅的頻率越來(lái)越高。
