Drones Apresentam um Desafio Exclusivo de Big Data para Usuários de Negócios

O público pode considerá-los incômodos, mas no mercado comercial os drones são valiosos dispositivos de coleta de dados. Sua principal tarefa é capturar, armazenar e transmitir dados. Assim, conforme os departamentos de TI consideram a integração de mais dados de drones nos processos de negócios corporativos existentes, eles enfrentam novos requisitos de governança de dados. À medida que a tecnologia de drone amadurece é importante que as empresas saibam o que isso significa para a tecnologia da informação e o software.

Os drones apresentam um grande volume de dados e um desafio de IoT

Até agora, o foco do uso de drones comerciais tem sido a coleta e visualização precisas de dados e não a integração de processos de TI. Para ser justo os aplicativos foram desenvolvidos para suportar verticais como agricultura, construção, energia, mineração e telecomunicações com serviços baseados em nuvem, mas esses aplicativos produzem e servem mapas, por exemplo, mapas de localização para gerenciar e atender a infraestrutura da empresa e outros ativos.

Assim como no Big Data, os desafios dos dados de drones incluem análise, curadoria, pesquisa, compartilhamento, armazenamento, transferência, visualização e privacidade de informações. Já estamos começando a ver drones substituindo eficientemente os sensores de IoT estáticos por um dispositivo que está em movimento e pode capturar vários tipos de dados (não apenas imagens e vídeo, mas também gases de emissão, sinais de rádio, dados geodésicos, etc.).

Os dados do drone são únicos?

Como todos os dispositivos IoT que estão em movimento, os drones trazem muito valor e ao mesmo tempo têm muitos desafios. Na maioria das vezes os dados do drone são geoespaciais (ou dados geográficos), imagens, vídeos, binários, etc., portanto, se enquadram na categoria de dados de IoT não-padrão. No entanto, se você trabalha em TI, entenderá que esses dados têm alguns requisitos exclusivos. Por exemplo, ele requer análise de reconhecimento de imagem e considerável transformação e análise de dados para se tornar uma informação útil. Por exemplo, requer análise de reconhecimento de imagem e considerável transformação e análise de dados para se tornar útil.

A maioria dos dados coletados dos drones pode ser usado pelos sistemas de informações geográficas (GIS). Os SIG são usados ​​principalmente para mapeamento e análise, e integram operações comuns de banco de dados como consulta e análise estatística com visualização e análise geográfica. Então, pense em ferramentas de mapeamento como o esri ArcGIS.

Implicações da governança de dados

Ao lidar com dados de drones, você pode precisar expandir suas políticas de controle de dados atuais devido a novos riscos associados a dados aéreos em si e à localização e operações do drone (porque um drone é legalmente uma aeronave e opera sob determinadas regulamentações) ). Por exemplo, você pode precisar revisitar as políticas relacionadas a:

• Sistema de aviação de origem, seu acesso e APIs
  Segurança e confiabilidade ao longo da “cadeia de custódia” (prestador de serviços de drone, para o serviço de dados em nuvem, para sua porta da frente)
• Privacidade e mitigação de riscos (questões legais)
  Gerenciamento tradicional de dados mestre (MDM) para endireitar as diferenças nos dados de referência, como localização, tipo de ativo, nome do cliente etc.
• Arquivo de dados de origem para posterior reprocessamento (você confia no custodiante?)
• Controle de acesso (quem consegue ver o que e quando?)

À medida que você começa a integrar os dados do drone, você deve se familiarizar com os tipos mais comuns de dados “processados” processados ​​de drones, não os dados brutos, mas os dados produzidos pelo software de imagens e os que você provavelmente encontrará se re em TI. Aqui estão cinco exemplos:

Uma ortomosaica é uma fotografia aérea geometricamente corrigida (“ortorretificada”) de tal forma que a escala é uniforme: a foto tem a mesma falta de distorção que um mapa. Normalmente, um ortomosaico é um composto de fotos individuais que foram costuradas para formar uma maior. O que você precisa saber é que as fotos individuais que compõem a ortomosaica têm seu próprio georeferenciamento. Os dados processados ​​(o composto) são o que os usuários finais querem usar, mas eles também podem querer saber a localização dos dados de origem se precisarem ser consultados posteriormente. Pense nisso em termos de governança de dados. Talvez você precise revisitar suas regras de retenção de dados se as imagens de origem forem necessárias para avaliar as alterações ao longo do tempo.
A termografia (às vezes chamada de imagem térmica) usa câmeras de vídeo térmicas para detectar radiação na faixa do espectro eletromagnético de longo alcance. Técnicos de construção e manutenção de edifícios podem ver assinaturas térmicas que indicam vazamentos de calor em isolamento térmico defeituoso e podem usar os resultados para melhorar a eficácia de seu trabalho. O mapeamento térmico também é “uma coisa” com fornecedores como o DroneDeploy, que oferece exibições de transmissão ao vivo e pode ser uma imagem ou um mapa.
Fotogrametria é uma técnica que utiliza a fotografia para extrair medições do ambiente. Isso é obtido por meio de imagens sobrepostas, em que o mesmo recurso pode ser visto de duas perspectivas. Com a fotogrametria, é possível calcular as medidas de distância e volume. Os departamentos usam essas saídas para criar “nuvens de pontos” ou imagens 3D usadas para fazer coisas como renderizar um edifício ou medir o volume de um estoque.
LiDAR significa “Light Detection and Ranging.” É um método de sensoriamento remoto que usa a luz na forma de um laser pulsado para medir intervalos (distâncias variáveis) para a Terra. Esses pulsos de luz – combinados com outros dados registrados pelo sistema aerotransportado – geram informações tridimensionais precisas sobre a forma dos objetos e suas características de superfície. A precisão das imagens LiDAR é impressionante (falamos em milímetros), e é por isso que agrimensores e engenheiros de construção favorecem essa tecnologia. O que você precisa saber é que os arquivos LiDAR são grandes. Conjuntos de dados para uma área de projeto simples podem ser de 1-2 TB.
O vídeo é o mais comum e ao mesmo tempo o tipo mais complexo de dados de drone. É complexo porque o vídeo quase sempre é armazenado em formato compactado para reduzir o tamanho do arquivo para armazenamento. Um arquivo de vídeo normalmente consiste em um formato de contêiner que armazena dados de vídeo em um formato de codificação, juntamente com dados de áudio em um formato de codificação de áudio. Esses são conhecidos como CODECs. O formato do contêiner também pode conter informações de sincronização e metadados, como localização por GPS e dados direcionais, que podem ser codificados em cada quadro. 10 minutos de vídeo a 30 quadros por segundo = 18.000 quadros. É complexo porque, ao analisar dados de vídeo, você precisa classificar todos os 18.000 dados de quadros.
Então, aqui está o problema do Big Data: é a análise. A maior parte do que você quer saber das imagens e dos arquivos de vídeo (O que eu posso ver? O que está acontecendo? Qual é o valor?) Não pode ser extrapolado pelos fornecedores de Big Data corporativos tradicionais. Embora a automação possa explorar esses dados e aumentar a eficiência da análise, a análise de imagens e vídeos é feita com mais frequência por equipes de especialistas. Para isso, você pode terceirizar para um fornecedor de AI especializado em imagens ou usar um serviço de dados on-line com drones.

Gostou do artigo ?
Comente e compartilhe.

www.mercadrone.com.br

Fonte: www.forbes.com
Escrito por: Colin Snow