QUALQUER desafio esforços foram feitos para identificar propriedades, como edifícios, a fim de detectar invasões em linhas de transmissão de energia. Além disso, era necessário que a solução tecnológica fosse robusta, capaz de realizar classificação automática numa rede com grande cobertura.

A avaliação manual de imagens para detectar edifícios localizados em áreas muito próximas de linhas de energia em diferentes áreas geográficas era um problema.

Para ambos, para solução foi desenvolver e implementar a infraestrutura do Google Cloud Platform, um modelo de Aprendizado de máquina para identificação de elementos imobiliários a partir de imagens aéreas. Um Serviço utiliza GCP para treinar uma rede neural convolucional (CNN), que é um tipo de rede artificial comumente aplicada no processamento e análise de imagens digitais e é aquela rede que classifica, localiza, segmenta e retorna os resultados para visualização e tomada de decisão .

Você resultados obtido pela ENEL – Codensa, que distribui e comercializa energia elétrica para mais de 3,4 milhões de clientes na Colômbia, foi um aumento imediato no processo de gestão de serviços, com alto percentual de confiabilidade e visualização completa de dois elementos detectados no BigQuery, graças ao implementação de um modelo de segmentação, utilizando as funções de Inteligência Artificial e Aprendizado de máquina faça o Google Cloud.

Ajudou a Servi a compreender a oportunidade de melhorar o processo de detecção precoce de invasões em bens do Estado, dando aos funcionários a capacidade de avaliar rapidamente toda a cobertura da sua rede, um processo que antes não era realizado manualmente sem atingir a cobertura 100%.