本系列将根据炼油厂的实际示例，说明如何使用无人机和AI(人工智能)对工厂进行自动检查，例如进行工厂检查。在最后一部分中，我将解释在Amazon Web Services(AWS)上构建系统的构想，该系统分析无人机拍摄的图像并检测管道等异常情况。

构建AI系统的关键点是：(1)无人机与系统之间的数据链接;(2)用于分析大量捕获图像的体系结构设计;以及(3)组织业务应用程序开发的需求。让我们来看一下。

需要与实际飞机一起起降，数据链接测试将被延长

首先是无人机与AI系统之间的数据链接。通常，在系统之间链接数据时，创建数据格式很重要。使用无人机的系统也是如此。我们首先精心制定了用于数据链接的格式，然后在无人机方面开发了输出功能，在分析系统方面开发了输入功能。

该系统在地图上显示无人机的轨迹和捕获的图像。由于这样的要求，预计数据链接会很复杂，并且会发生开发错误。但是，起初我很乐观，如果我犯了一个错误，我应该重复测试。

通过多种方式将数据从无人机上传到AI系统。无人机在飞行后着陆后，会以预定格式在内部保存飞行日志和捕获的图像。如果现场的线路状况良好，则无人机会自动将数据上传到分析系统。如果线路状态不良，则不会自动上传。数据使用SD卡传输到个人计算机，然后从个人计算机上传到分析系统。分析系统将上载的数据格式化为易于使用的形式，并将其存储在数据库(DB)或数据湖中。

在无人机和分析系统功能均完成后，我们进行了数据链接测试。可以预料的是，一些数据不足，无法进行合作，但是从那里开始的校正过程中出现了意外情况。

最初的期望是通过重复对该系统进行细微修改就可以完成该实现。但是，无人机方面的限制是它只能在实际降落时才能创建数据，这是一个瓶颈。由于用于验证的无人机是在现场进行管理的，因此有必要在修改和测试系统的阶段实际起飞和降落无人机，因此，与现场进行了多次协调。结果，测试间隔变得比预期的更长，并且完成预期的数据链接功能所需的时间约为预期的两倍。

在设计一种可分析无人机拍摄的大量图像的体系结构时，反复试验和反复。最重要的是建立一种机制，以在用户允许的时间内完成对无人机拍摄的所有图像的分析。