de.wedoany.com-Bericht: Die Weltkonferenz für Künstliche Intelligenz 2026 und das hochrangige Treffen zur globalen Governance der Künstlichen Intelligenz fanden vom 17. bis 20. Juli in Shanghai statt. Während der Konferenz veranstaltete die staatliche Kommission für die Verwaltung von Staatsvermögen (SASAC) am 17. Juli das hochrangige Forum „Intelligenz fördert neue Qualität, umfassende Erneuerung“ zur hochwertigen Entwicklung der Künstlichen Intelligenz in Unternehmen und veröffentlichte die herausragenden Ergebnisse des „Baiyu Zhishu“-Projekts für hochwertige Datensätze zentraler Staatsunternehmen. Der „Multimodale Datensatz zur intelligenten Steuerung des Photovoltaik-Projektfortschritts“ des Yunnan-Instituts von CEEC wurde erfolgreich ausgewählt.
Dieser Datensatz ist ein repräsentativer Datenwert im Bereich der digitalen Intelligenz von Projekten im Bereich neuer Energien. Er hob sich aus den vielen eingereichten Ergebnissen zentraler Staatsunternehmen hervor und wurde zu einem der ersten veröffentlichten hochwertigen Datensätze des „Baiyu Zhishu“-Projekts. Dies markiert einen Fortschritt des CEEC bei der Wertschöpfung und Szenarioanwendung von Projektdatenelementen.
Der „Multimodale Datensatz zur intelligenten Steuerung des Photovoltaik-Projektfortschritts“ adressiert die Schwachstellen im Fortschrittsmanagement von Photovoltaik-Projekten, wie verstreute Daten, verzögerte Informationen und schwierige Überprüfung der Bauleistungen. Er baut ein multimodales Datensystem auf, das UAV-Luftbilder, Vor-Ort-Videos und Baudokumente umfasst und wichtige Bauphasen wie Bohrungen, Betonieren, Gestelle und Modulinstallation abdeckt. Dies bietet standardisierte Datenunterstützung für die automatische Berechnung der Bauleistungen und die dynamische Steuerung des Fortschritts.
In Bezug auf Datenumfang und -qualität umfasst der Datensatz insgesamt über 5 TB, mit mehr als 50.000 Luftbildern und über 10.000 annotierten Bildern. Der tägliche Zuwachs beträgt 10 GB, die umfassende Datenqualitätsbewertung erreicht 95,2 Punkte und die Szenenerkennungsgenauigkeit liegt bei über 95 %. Der Datensatz zeichnet sich durch großes Volumen, hohe Qualität und nachhaltige Iterationsfähigkeit aus und bietet eine solide Datenbasis für das Training von Modellen zur intelligenten Erkennung des Photovoltaik-Projektfortschritts.
In Bezug auf die Anwendungsergebnisse kann die auf diesem Datensatz aufgebaute vollständig digitalisierte Managementplattform automatisch Bauelemente erkennen, Bauleistungen berechnen und den Fortschritt anzeigen. Derzeit wird der Datensatz in über zehn in- und ausländischen Photovoltaik-EPC-Projekten eingesetzt, die vom Yunnan-Institut als Generalunternehmer gebaut werden, darunter das CGN New Energy-Basisprojekt im Norden von Laos und das Hochspannungs-Übertragungs-Neue-Energie-Basisprojekt in Alxa, Innere Mongolei. Die durchschnittliche Projektlaufzeit wurde um 8 % bis 12 % verkürzt, die Bauzeit um 15 bis 20 Tage eingespart, die Gesamtkosten um 1,5 bis 2 Millionen Yuan gesenkt, die Effizienz der Fortschrittsdatenaktualisierung um über 30 % gesteigert, der manuelle Inspektionsaufwand und die Sicherheitsrisiken vor Ort effektiv reduziert und das Projektmanagement von manueller Statistik auf Echtzeitwahrnehmung sowie von erfahrungsbasierter Entscheidungsfindung auf datengetriebene Steuerung umgestellt.
Dieser Datensatz ist ein Forschungsergebnis des Projektteams des Yunnan-Instituts von CEEC aus dem Forschungsprojekt „Forschungsmethode zur Extraktion spezifischer Geländemerkmale aus digitalen Orthofotos von UAVs basierend auf räumlichem maschinellem Lernen“. Das Ergebnis integriert UAV-Luftvermessung, räumliches maschinelles Lernen und Photovoltaik-Projektfortschrittsmanagement tiefgreifend und bildet einen reproduzierbaren und skalierbaren Weg zur Entwicklung von Projektdatensätzen. Es realisiert die Umwandlung von Forschungsmethoden in die Ingenieurspraxis und bietet eine solidere Datenbasis und technische Unterstützung für „Künstliche Intelligenz + Bauwesen“ und das digitale Intelligenzmanagement von Projekten im Bereich neuer Energien.
