广岛大学(Hiroshima University)的研究人员让人工智能通过查看灾后航拍图像来准确判断建筑物的受损程度——危机应对人员可以利用这项技术来绘制受损情况，并确定最需要帮助的极端灾区。

 

灾难发生后72小时内迅速采取行动对挽救生命至关重要。灾害官员需要制定有效的应对计划的第一件事是准确的损失评估。但任何见过自然灾害余灾现场的人都知道，许多后勤方面的挑战会使现场评估对危机应对人员的生命构成威胁。

 

使用卷积神经网络(CNN)——深学习算法启发人类大脑的图像识别过程——副教授)领导的研究小组三浦广岛大学研究生院的先进的科学和工程训练一个AI在瞬间完成一个任务,通常需要我们投入至关重要的时间和人员资源稀缺的时候。

 

之前的CNN模型评估损伤时，杏耀代理需要前后的照片来进行评估。但是三浦的模型并不需要灾难前的图像。它只依靠灾后照片来确定建筑物的损坏程度。

 

它的工作原理是根据日本建筑学会在2016年熊本地震中使用的七种破坏级别(D0-D6)，将建筑物分为倒塌的、未倒塌的或蓝色防水布覆盖的。

 

建筑物倒塌定义为D5-D6或重大破坏。不坍塌解释为D0-D1或可忽略的损坏。在之前的CNN模型中很少考虑到的中度损伤被定义为D2-D3或中度损伤。

 

在1995年神户地震和2016年熊本地震中，研究人员利用灾后航拍图像和专家们编制的建筑物损坏清单训练了他们的CNN模型。

 

在确认用于训练人工智能的照片中蓝色防水布覆盖的建筑主要代表了D2-D3级别的破坏后，研究人员克服了识别遭受中度破坏的建筑的挑战。

 

由于ground truth来自结构工程师现场调查的数据被用于教授人工智能，该团队相信它的评估比其他CNN模型更可靠， 杏耀娱乐信誉如何 ，后者依赖于非专业人士的视觉解读。

 

当他们在2019年9月袭击千叶的台风的灾后航拍图像上进行测试时，结果显示，大约94%的建筑物的破坏程度被正确分类。

 

现在，研究人员希望他们的人工智能通过使其损害评估更加强大来超越自己。

 

三浦说:“我们希望通过学习从滑坡、海啸等各种灾害中获得的更多训练数据，杏耀开发出一种更可靠的损伤识别方法。”

 

“这项研究的最终目标是将这项技术应用到真正的灾难情况中。如果这项技术成功实施，它可以立即向当地政府和政府机构提供精确的损伤地图，不仅是损伤分布，还有受损建筑的数量。”