Reza Malehmir 博士荣获 2020 年人工智能和资产提取技术成就奖

技术解决方案

博士。 Reza Malehmir 利用人工智能 (AI) 为大型省级公路资产分类项目实现了完全自动化的数据处理，从而节省了大量成本和时间。

Tetra Tech 团队计划收集超过 7,500 英里道路网络的 LiDAR 数据，然后使用商业软件和训练有素的人员团队来提取有关交通标志等资产的详细信息并进行分类。当使用该方法无法满足客户在预算内要求的时间表时，团队寻找一种替代方案来满足这些需求和 Tetra Tech 严格的质量要求。 Reza 建议使用 Tetra.Analytics（我们的 Tetra Tech Delta 基础技术之一）实现流程自动化。

利用人工智能完全自动化资产数据提取

Reza 使用机器学习算法为我们的解决方案自动进行资产提取和分类。他使用之前收集的数据来训练人工智能模型算法使用道路数据进行学习并最大限度地提高预测成功率，并在不到两个月的时间内完成了第一个功能模型。他采用迭代过程，在几个月的时间里花了晚上和周末开发算法，以完全自动化资产数据提取和分类。该系统可以收集60多种独特资产的数据，提供比手动提取更准确的数据，甚至可以识别人类视野中几乎完全模糊的资产。

团队能够在八个项目可交付成果中的第三个项目中从手动数据提取切换为自动数据提取，提前提供最终可交付成果。由于模型准确性和效率的持续改进，交付成果超出了客户的预期。

“采用自动化解决方案不仅减少了总工时，而且还显着加快了交付速度”，Tetra Tech 道路基础设施经理 David Firbank 表示数据收集技术组。 “随着时间的推移，自动提取变得比最好的人工提取器更快、更准确。”

使用此解决方案，Tetra Tech 可以比使用手动提取的竞争对手更快地自动提取资产，并且成本显着降低。提取的一些资产已成为我们一些最大客户的标准交付成果。该技术不仅缩短了该项目的生产时间，还将在未来的项目中减少数千人时的生产时间。

扩大技术的影响

“凭借 Tetra Tech 在各个工程领域的专业知识，我们能够快速高效地创建机器学习解决方案，从而使我们在竞争对手中脱颖而出，”Reza 说道。

Reza 通过调整算法来支持 LiDAR 数据处理的实时对象检测和分类，从而扩展了该技术的最初用途。或 Tetra Tech 的 RailAI™ 铁路轨道评估平台。他还修改了模型以识别 GoPro 相机的数字图像和视频中的资产。此功能提供了灵活、低成本的数据收集解决方案，可以取代传统的、耗时的线性资产类别（例如碎石路、人行道和步道）的手动评估。

我们还开发了自己的裂缝检测算法来增强第三方自动路况软件，与使用行业标准数据采集系统的竞争对手相比，提高了准确性和可靠性，并降低了成本。

其他拟议用途，包括自动化垂直建筑立面评估应用程序，代表了行业目前尚未实现的创新。

祝贺 Reza 为 Tetra Tech 的客户将数据收集挑战转变为具有竞争力、灵活且低成本的解决方案。

获取技术 教育 员工敬业度 工程 工业 创新科技 创新与基础设施 媒体与传播 纳斯达克股票代码：TTEK 负责任的企业和员工参与 智能技术 科学、技术、工程和数学 科技行业新闻 利乐科技