他们独特的平台使用AI和机器视觉技术来分析无人机，直升机和飞机上的电力线和塔的数百万张图像，以发现电网基础设施内部和周围的危险故障和缺陷以及茂密的植被，以帮助公用事业公司确定问题区域和在大火发生之前修理它们。

与人类相比，该系统可以以一半的成本进行分析，而花费的时间仅为人类的数小时至数天，而不是数月至数年。

加州林业与消防局确定PG&E的传输线路是去年加利福尼亚州索诺玛发生的大规模Kincade火灾的过错。电力线和设备问题已成为最近一场山火的原因，并且山火季节又开始了。快速发现电力线和电网设备的缺陷，因为它们变得越来越热，风越多，可以帮助公用事业挽救生命并节省数十亿美元。

Buzz Solutions已经在全国主要公用事业机构中进行了试验。处理这些图像需要六到八个月的时间，并且涉及线务员和工程师，他们将所有这些数据手动映射到一起，查找故障和失败并标记它们以供亲自检查。

但是，在这个漫长的过程中，线路很容易掉下来，点燃野火并迫使关机甚至更糟。

相比之下，Buzz Solutions的AI和机器视觉技术将查看由这些存储在云中的各种来源捕获的网格检查图像。AI通过其专有算法运行图像，以检测传输线和配电线所有主要组件上的故障(见图)。

该算法还搜索植被可能侵占设备并构成火灾隐患的区域。这种AI分析可以在数小时或数天之内完成，而成本仅为传统流程的一半。然后，公用程序可以采取措施评估标记的图像，并在引起火灾之前修理或更换设备。

“绝对是时候使用人工智能来减少野火威胁。我们相信公用事业行业已准备好采用一种更好的方法来使他们的设备保持良好的运转状态，并确保人员和财产安全。” Buzz Solutions的联合创始人兼首席执行官Kaitlyn Albertoli说道。

Buzz Solutions还可以根据历史数据，资产和故障数据以及天气数据提供预测性建模和分析，以主动确定将来可能发生故障和高风险区域的地方。