地理数据公司辉固(Fugro)收集并分析有关地球和地球上建筑物的信息。该公司对陆地进行勘测，在测绘海床上的物体时，辉固使用侧扫声纳(side scan sonar)，通过船只收集信息。

辉固的一个项目是在海上寻找巨石，以帮助客户决定是否可以建立一个海上风电场。

辉固的高级创新工程师Marcus Nepveaux在拉斯维加斯的AWS re:发明家大会上说:“风电场公司想知道障碍在哪里，他们可以在哪里建造风电场。”

“所以我们进去，为它们绘制海床图，告诉它们大岩石或小岩石的位置……它们可能只有一英尺大小，但我们能探测到的最大。”

辉固帮助客户在安装风力涡轮机之前确定地表情况。它收集侧扫声呐图像——本质上是一种音频信号——返回显示声阴影的图像。

在Nepveaux展示的图像中，他说较暗的部分是对声纳接收器的高音频反馈，而彩虹色的声影显示了声音没有得到回应的地方——一个声学空洞，帮助表明在一个地方是否有巨石。

通常情况下，捕捉信息的传感器在海床上方6至10米的地方移动。

“我们在我们的图像中寻找这些物体，很多年来，大部分都是手工完成的，”他说。“人们说这是一块大石头，这是一块大石头——非常耗时的手工制作，所以人工智能、萨基梅克(Sagemaker)和神经网络在加速这一过程方面确实很出色。”

辉固在亚马逊Sagemaker内部完全定制了一种算法，并在gpu上训练自己的Docker图像。

“我们使用基于tensorflow的图像，由GPU支持……如果你启动一个Sagemaker GPU实例，它已经安装了Nvidia Docker，这非常方便。”当您构建这个容器以在一个gpu支持的系统上运行时，它使事情变得非常简单。我们必须做的是建立自定义数据阅读器，实际上就是从亚马逊读取图像——非常简单，”他说。

“这个系统是大石头，而不是大石头。

“我们希望把几周或几个月的工作时间缩短到几天。

参见:开始机器学习的五个步骤:顶级数据科学家分享他们的建议(TechRepublic)

该算法已经返回了超过100,000个正确的巨石标识。

“我们收到了一些这样的照片，这些照片根据不同的地方而有所不同——我们在世界不同的地方有团队，他们的工作方式似乎都有点不同……但有些人带着12万块石头回来了。因此，我们确实倾向于调整模型，使其更倾向于假阳性和假阴性，”辉固的高级创新工程师迈克尔·维纳布尔说。

“我们宁愿让他们看一块并不存在的大石头，也不愿让他们错过一块可能真的会造成问题的大石头。”

韦纳布尔解释说，12万份工作只是一个档案，这只是众多工作中的一个。

虽然这个相对较新的项目的第一阶段是研究海床深处的巨砾，但维纳布尔说，第二阶段公司将绘制海底下的地层图。