ผู้ชนะ InnovateFPGA Design Contest

ความปลอดภัยในการจัดส่งพัสดุด้วยโดรน

Foale Aerospace Inc.

ปัญหา่:

การจัดส่งพัสดุเป็นองค์ประกอบสำคัญของโครงสร้างพื้นฐานในเมืองขนาดเล็ก แต่ก็จะมาพร้อมกับความแออัดในการจราจรและการปล่อยก๊าซคาร์บอนไดออกไซด์ ซึ่งเป็นปัจจัยหลักของภาวะโลกร้อน ภายในปี 2050 การจัดส่งพัสดุในขั้นตอนสุดท้ายอาจทำให้เกิด CO2 มากกว่า 2 ล้านตันต่อปี

วิธีแก้ไขปัญหา:

โปรเจ็กต์นี้มุ่งเน้นการพัฒนาระบบจัดส่งพัสดุทางอากาศโดยใช้โดรนซึ่งใช้พลังงานหมุนเวียน และสามารถแทนการจัดส่งข้ามประเทศแบบจุดต่อจุดในขั้นตอนสุดท้ายในเมืองต่างๆ ที่จำเป็นต้องใช้บริการที่ปล่อยก๊าซ CO2 ในปัจจุบัน โปรเจ็กต์นี้สามารถตรวจจับและสื่อสารเกี่ยวกับทิศทางลมแรงหรือการเปลี่ยนแปลงของลมอย่างรุนแรงได้ รวมไปถึงสร้าง "แบบจำลองวัตถุทางกายภาพในรูปแบบดิจิทัล" ไว้สำหรับการพัฒนาได้ด้วย ซึ่งช่วยยกระดับความปลอดภัยให้กับโดรน รวมไปถึงผู้คนและทรัพย์สินที่อยู่ใกล้เคียง

รายละเอียดโปรเจ็กต์:

ขีดความสามารถในการพัฒนา DSP แบบตั้งโปรแกรมใหม่ได้ของ FPGA ช่วยให้โดรนสามารถตอบสนองกับช่องสัญญาณอะนาล็อกได้พร้อมกัน 8 ช่อง ซึ่งช่วยวัดการหมุนและการเร่งความเร็วของโดรน HPS จะให้การส่งข้อมูลทางไกลเกี่ยวกับเหตุการณ์ที่เป็นอันตรายไปที่ Microsoft Azure IoT Hub และเพิ่มขีดความสามารถของ "แบบจำลองวัตถุทางกายภาพในรูปแบบดิจิทัล" ที่สามารถจำลองเหตุการณ์จริงเพื่อการพัฒนาอัลกอริธึมโดยใช้ Analog Devices DC2025A-A DAC

การจัดการที่ทำงานบนคลาวด์สำหรับตัวแปลงพลังงานแสงอาทิตย์

Daniel Chavez (Universidad Nacional de Ingenieria)

ปัญหา::

เมื่อขีดความสามารถในการผลิตพลังงานหมุนเวียนต่างๆ เช่น แสงอาทิตย์และลม แพร่หลายมากยิ่งขึ้น การแจกจ่ายพลังงานไปตามโครงข่ายไฟฟ้าก็มีความซับซ้อนมากยิ่งขึ้น มีความคลาดเคลื่อนกันระหว่างความต้องการด้านพลังงานและการผลิตพลังงานที่ต้องได้รับการจัดการเป็นประจำ

วิธีแก้ไขปัญหา::

ระบบนี้ผ่านการออกแบบมาเพื่อรวบรวมจุดข้อมูลพลังงานที่ใช้ในพื้นที่จากแหล่งที่มามากมายได้อย่างมีประสิทธิภาพมากขึ้น ซึ่งสามารถนำไปใช้เพื่อควบคุมการผลิตไฟฟ้าได้ ข้อมูลนี้ได้รับการรายงานไปที่ระบบที่ทำงานบนคลาวด์ ซึ่งสามารถนำไปรวมกับนโยบายด้านโครงข่ายเพื่อปรับความต้องการและการผลิตพลังงานให้ดียิ่งขึ้น

รายละเอียดโปรเจ็กต์::

FPGA จะวัดและควบคุมการแปลงสัญญาณของตัวแปลง DABRS แบบสองทิศทางชนิด Single-Stage โดยตรง และสื่อสารข้อมูลดังกล่าวไปยังฐานข้อมูล MariaDB ของเซิร์ฟเวอร์ Cloud-based Azure แบบไร้สาย เนื่องจาก FPGA จะทำการประมวลผลข้อมูลดังกล่าวในตัว จึงช่วยลดความจำเป็นในการใช้การส่งข้อมูลระยะไกลเพื่อสื่อสารกลับไปที่ระบบควบคุมกลางที่ทำงานบนคลาวด์ลง

ระบบลดผลไม้ที่เน่าเสีย

Nixon Fernando Ortiz De La Cruz (Universidad Nacional de Ingenieria and Nacional Mayor de San Marcos)

ปัญหา::

บริษัทเพาะปลูกขนาดเล็กมักขาดทรัพยากรในการลดของเสียระหว่างการกระจายและขนส่งผลผลิตของตน เพราะขาดระบบขนส่งและอุปกรณ์จัดเก็บคุณภาพสูง ผลผลิตส่วนใหญ่จึงเน่าเสียก่อนที่จะได้จัดส่งไปถึงผู้บริโภค 80% ของมะม่วงที่ผลิตในเปรูมาจากฟาร์มของครอบครัวเล็กๆ

วิธีแก้ไขปัญหา::

ระบบอัจฉริยะนี้จะติดตาม รายงาน และจัดการสภาพของอุปกรณ์จัดเก็บและการขนส่งเพื่อลดปริมาณการเน่าเสีย

รายละเอียดโปรเจ็กต์::

FPGA จะรวบรวมข้อมูลจากกลุ่มเซนเซอร์ และยังควบคุมตัวกระตุ้นที่จะเปลี่ยนแปลงสภาพอากาศ (เช่น CO2) และอุณหภูมิเพื่อลดการสุกงอมก่อนเวลาของผลไม้ ภาพวิดีโอจากกล้องจะได้รับการประมวลผลล่วงหน้าจาก FPGA แล้วส่งไปที่ระบบคลาวด์เพื่อวิเคราะห์ข้อมูลสีสำหรับการเทียบเคียงความสุกของผลไม้ ชุดข้อมูลที่หลากหลายนี้จะได้รับการส่งไปที่ Microsoft Azure IoT Hub เพื่อทำการจัดเก็บ ประมวลผล คาดการณ์ และควบคุมตู้จัดเก็บ/ขนส่งผลไม้อัจฉริยะ เนื่องจากการประมวลผลส่วนใหญ่มาจาก FPGA จึงช่วยลดข้อมูลที่ส่งไปยังระบบคลาวด์ได้ ทำให้ลดต้นทุนจากการรับส่งข้อมูลเป็นจำนวนมากลงได้

เครื่องมือเพิ่มประสิทธิภาพการเพาะปลูกอัจฉริยะ

Jyotsna Bavisetti (Rajiv Gandhi University of Knowledge Technologies, Nuzvid)

ปัญหา::

พืชผลที่เกษตรกรเลือกมานั้นมักไม่เป็นที่รู้จักและไม่เหมาะสม หากใช้วิธีการเพาะปลูกแบบดั้งเดิม ซึ่งอาจส่งผลให้ปริมาณและคุณภาพของผลผลิตลดลง เพราะขาดความเข้าใจในการปรับปรุงน้ำและดิน การผลิตอาหารในประเทศกำลังพัฒนามีความเสียงเป็นอย่างยิ่ง

วิธีแก้ไขปัญหา::

การช่วยเหลือเกษตรกรอย่างครอบคลุมนี้สามารถแนะนำพืชผลที่เหมาะสมตามสภาพดิน สภาพอากาศ และความสมบูรณ์ของน้ำในภูมิภาคนั้นๆ โดยสามารถควบคุมและเพิ่มประสิทธิภาพการปล่อยน้ำ ตรวจสอบโรคพืช ตรวจหาวัชพืช และให้คำแนะนำกับเกษตรกร

รายละเอียดโปรเจ็กต์::

FPGA จะรวบรวมข้อมูลจากกล้องและเซ็นเซอร์ของ Analog Devices จำนวนมาก ซึ่งมีความสามารถในการวัดไนโตรเจน, ฟอสฟอรัส, โปแตสเซียม, pH, ระดับน้ำ, ความชื้นของดิน และอุณหภูมิ ชุดข้อมูลที่หลากหลายนี้จะได้รับการส่งไปที่ Microsoft Azure IoT Hub เพื่อทำการจัดเก็บ การวิเคราะห์ การแสดงผล และคำแนะนำสำหรับเกษตรกร อัลกอริธึมการเรียนรู้ของเครื่องจะคาดการณ์พืชผลที่เหมาะสมที่สุดสำหรับเงื่อนไขต่างๆ และควบคุมการปล่อยน้ำ แบบจำลองการตรวจจับวัตถุสามารถระบุวัชพืชได้ และอัลกอริธึมที่ใช้งาน AI ก็ผ่านการฝึกมาให้ระบุโรคเพื่อแนะนำการรักษาได้

ระบบโรงเรือนขนาดเล็กสำหรับผู้บริโภค

Pahan Mendis (University of Moratuwa, Sri Lanka)

ปัญหา::

ผู้บริโภคเริ่มรับรู้มากขึ้นว่าการเพาะปลูกและการขนส่งผลผลิตเป็นจำนวนมากบางอย่างนั้นอาจส่งผลเสียต่อสิ่งแวดล้อม มีความต้องการเพิ่มขึ้นอย่างรวดเร็วในกลุ่มผู้บริโภคในการผลิตอาหารของตัวเอง ซึ่งไม่ได้เป็นเพียงความกังวลถึงเรื่องสิ่งแวดล้อมเท่านั้น แต่ยังเพื่อการยกระดับคุณภาพและความปลอดภัยของอาหาร แต่เกษตรกรที่เปี่ยมไปด้วยแรงบันดาลใจเหล่านี้ก็ยังขาดความรู้ความสามารถในการทำอย่างมีประสิทธิภาพ

วิธีแก้ไขปัญหา::

ระบบจัดการโรงเรือนขนาดเล็กอัจฉริยะและอัตโนมัตินี้มีเป้าหมายอยู่ที่การผลิตอาหารเพื่อผู้บริโภคในชุมชนเมืองที่อาจมีความเชี่ยวชาญด้านการเพาะปลูกไม่มาก ซึ่งสามารถให้คำแนะนำสำหรับการปล่อยน้ำ การขยายพันธุ์ การระบายอากาศ และแสง

คุณสมบัติด้าน AI ที่มาพร้อมกันสามารถคาดการณ์ผลผลิตและระบุรูปแบบการเติบโตที่ผิดปกติได้

รายละเอียดโปรเจ็กต์::ระบบจะบันทึกข้อมูลจากกล้องและเซ็นเซอร์ของ Analog Devices จำนวนมาก (โดยวัดอุณหภูมิและความชื้นของอากาศ, ค่า pH/ความชื้น/อุณหภูมิของดิน, ระดับ CO2 และความเข้มของแสง) ส่วน FPGA ก็จะเร่งการประมวลผลภาพ CNN ด้วย AI ไปพร้อมๆ กับข้อมูลเซ็นเซอร์ ชุดข้อมูลที่หลากหลายนี้จะได้รับการส่งไปที่ Microsoft Azure IoT Hub เพื่อทำการจัดเก็บ ประมวลผล และคาดการณ์ผลลัพธ์อย่างต่อเนื่อง

ผู้ให้คำแนะนำด้านสุขภาพจิต

Sudhamshu B N (Dayananda Sagar College of Engineering)

ปัญหา::

ปัญหาด้านจิตใจและพฤติกรรมสะสมเป็นปัญหาด้านสุขภาพทั่วโลกในเปอร์เซ็นต์ที่เพิ่มสูงขึ้น แต่ปัญหาดังกล่าวก็ยังได้รับการนำเสนอน้อยกว่าความเป็นจริงในข้อมูลสถิติด้านสาธารณสุขแบบเดิมๆ (ซึ่งให้ความสำคัญกับอัตราการเสียชีวิตเทียบกับปัจจัยอื่นๆ เช่น การทำงานผิดปกติของร่างกาย)

วิธีแก้ไขปัญหา::

ถุงมืออัจฉริยะจะรวบรวมข้อมูลพารามิเตอร์แวดล้อมและพารามิเตอร์ของร่างกายมนุษย์เพื่อสร้างแบบจำลองการเรียนรู้ของเครื่องสำหรับการวิเคราะห์และจัดประเภทอาการสุขภาพจิตเป้าหมายต่างๆ คำแนะนำเชิงบวกอย่างทันท่วงทีจะได้รับการสื่อสารกลับไปที่ผู้บริโภคในรูปแบบ "คำแนะนำ" ตามสถานะด้านสุขภาพและจิตใจของผู้ใช้งาน สุขภาพจิตได้รับการให้ความสำคัญเท่าเทียมกับสุขภาพกาย

รายละเอียดโปรเจ็กต์::

FPGA จะรวบรวมข้อมูล เช่น อุณหภูมิของอากาศและร่างกาย การทำงานของต่อมเหงื่อ สภาวะแสง และคุณภาพอากาศจากเซ็นเซอร์บนถุงมืออัจฉริยะ แล้วใช้การเรียนรู้ของเครื่องในการกำหนดลักษณะและเชื่อมโยงข้อมูลกับสภาพจิตใจ นำข้อมูลวิดีโอสดของคนไข้จากอินพุตของกล้องเข้ามาที่แบบจำลองการจำแนกอารมณ์ผ่านทางวิดีโอเพื่อจัดข้อมูลออกเป็น 5 ประเภท (โกรธ กังวล มีความสุข ปกติ และเสียใจ) ชุดข้อมูลที่หลากหลายนี้จะได้รับการส่งไปที่ Microsoft Azure IoT Hub เพื่อทำการจัดเก็บและการประมวลผลการเรียนรู้ของเครื่อง คำแนะนำจะได้รับการส่งกลับไปที่แอปบนโทรศัพท์มือถือของผู้ใช้งาน

การฟื้นฟูแนวปะการัง

Jose Filho (King Abdullah University of Science and Technology)

ปัญหา::

สัตว์ทะเล 25% จากทั้งหมดต้องพึ่งพิงปะการังที่สมบูรณ์ แต่อุณหภูมิของน้ำทะเลที่เพิ่มขึ้นกำลังทำให้ปะการังบางส่วนซีดจางลง การซีดจางลงนี้เกิดขึ้นเมื่อปะการังขับสาหร่ายที่อยู่ในเนื้อเยื่อของตัวเองออกมา สาหร่ายนี้เป็นส่วนสำคัญต่อการอยู่รอดของปะการัง

วิธีแก้ไขปัญหา::

ผลการศึกษาในห้องปฏิบัติการแสดงให้เห็นว่าจุลินทรีย์มีมีประโยชน์บางอย่างสำหรับปะการัง (BMC) สามารถหยุดยั้งการซีดจางลงและช่วยให้ปะการังฟื้นตัวได้ ระบบนี้สามารถให้อาหารที่มีจุลินทรีย์สำหรับปะการังในทะเลและติดตามประสิทธิภาพในระยะยาวได้

รายละเอียดโปรเจ็กต์::

FPGA ช่วยให้ได้แพลตฟอร์มทดลองที่ยืดหยุ่นและกำหนดค่าใหม่ได้ FPGA จะรวบรวมข้อมูลจากกล้อง เซ็นเซอร์วัดอุณหภูมิ และข้อมูลการสะท้อนแสงของน้ำทะเลจากระบบจำแนกแสงพลังงานต่ำพิเศษของ Analog Devices FPGA ใช้ AI ในการพิจารณาระดับการซีดจางอย่างแม่นยำและทำการตัดสินใจในการใช้ BMC ได้อย่างรวดเร็ว การทดลองที่ใช้พลังงานแสงอาทิตย์นี้มีการปรับใช้ใกล้กับชายฝั่ง และสามารถส่งข้อมูล 4G ไปยัง Microsoft Azure เพื่อจำลองและจัดการกับกระบวนการฟื้นคืนสภาพได้

การจัดการคุณภาพอากาศภายในอาคาร

Ricardo Núñez Prieto (NVISION s.l. / Institute of Microelectronics of Barcelona (CSIC) / UAB)

ปัญหา::

มีหลักฐานการเชื่อมโยงถึงการสัมผัสกับ CO2 ที่มีความเข้มข้นเพียง 1000ppm ติดต่อกันกับอาการผิดปกติด้านสุขภาพของมนุษย์มากมาย ผลการศึกษายังแสดงให้เห็นว่าเชื้อไวรัสจะออกมาในระหว่างการหายใจ พูดคุย และไอหรือจาม ซึ่งการแพร่กระจายนี้มักจะเกิดขึ้นในร่มหรือในอาคารมากกว่า

วิธีแก้ไขปัญหา::

การวัด CO2 ที่หายใจออกมาเป็นวิธีการต้นทุนที่ดีที่สุดที่มีอยู่ในการประเมินถึงความเสี่ยงด้านคุณภาพอากาศ โปรเจ็กต์นี้สามารถรับข้อมูลความเข้มข้นของ CO2 และส่งข้อมูลที่นำไปปฏิบัติได้ไปที่เซิร์ฟเวอร์ Microsoft Azure เพื่อจัดการกับการแจ้งเตือนและการระบายอากาศ

รายละเอียดโปรเจ็กต์::

ระบบนี้ใช้ข้อมูลจากระบบเซ็นเซอร์ NDIR CO2 ของ Analog Devices ซึ่งสามารถวัดความเข้มข้นของ CO2 ในช่วง 400-5000 ppm รวมไปถึงเซ็นเซอร์วัดอุณหภูมิได้ FPGA เป็นตัวเลือกชั้นดีสำหรับการประยุกต์ใช้งานรูปแบบนี้ เนื่องจากมีความยืดหยุ่นในการรองรับเซ็นเซอร์เป็นจำนวนมาก และสามารถนำไปปรับใช้กับเซ็นเซอร์ อัลกอริธึม โปรโตคอลการสื่อสารอื่นๆ ได้ โปรเจ็กต์ได้รับการปรับให้เหมาะกับการใช้พลังงานของระบบที่น้อยที่สุดด้วยการใช้งานอัลกอริธึมความเข้มข้นของ CO2 ใน FPGA เพื่อลดการสื่อสารข้อมูลที่ซับซ้อน

ระบบควบคุมฟาร์มอัจฉริยะ

Mohamed Abdelaziz Louhab (University M'hamed Bougara Boumerdes)

ปัญหา::

การลดความผิดพลาดในการเตรียมดินเป็นสิ่งสำคัญในการลดต้นทุน รวมไปถึงการทำให้แน่ใจได้ถึงความปลอดภัยของอาหารในภูมิภาคที่ไม่มีปัจจัยแวดล้อมในการเพาะปลูกที่เหมาะสม ความเสี่ยงอื่นๆ เช่น ไฟ การบุกรุกของสัตว์ หรือการลักขโมย อาจมีผลสืบเนื่องเป็นอย่างมากกับฟาร์มหรือชุมชน

วิธีแก้ไขปัญหา::

โรงเรือนอัจฉริยะนี้รวมเซ็นเซอร์ที่สามารถติดตามสุขภาพของพืชเข้าไว้ด้วยกัน โดยใช้ปัจจัยด้านสภาพแวดล้อมต่างๆ เช่น อุณหภูมิ ความชื้น และก๊าซ เช่น O2 และ CO2 ระบบไม่เพียงแต่ให้คำแนะนำกับเกษตรกรเท่านั้น แต่ยังควบคุมการปล่อยน้ำ การให้ความร้อน และการให้ความเย็นได้อีกด้วย

รายละเอียดโปรเจ็กต์::

FPGA เป็นมันสมองของระบบที่ใช้พลังงานแสงอาทิตย์ โดยใช้ HPS เพื่อปรับใช้อัลกอริธึมการติดตามพลังงานแสงอาทิตย์เพื่อเพิ่มเอาต์พุตจากแผง PV ให้มากที่สุด โรงเรือนได้รับการออกแบบมาให้ลดความผิดพลาดในการเตรียมดินและทำให้ผลผลิตมีรสชาติดียิ่งขึ้น โดยใช้เซ็นเซอร์ของ Analog Devices ที่แตกต่างกัน 6 ตัวเพื่อติดตามและดูแลสภาพของพืชผล ระบบช่วยลดความกังวลในการสูญเสียพืชผลได้ด้วยการใช้ IR และ PIR ในการตรวจจับการมีอยู่ของสัตว์ และยังมีความสามารถในการตรวจจับและหยุดยั้งไฟได้อีกด้วย

เครื่องคัดแยกขยะอัตโนมัติ

Longfei Yang (Hubei University)

ปัญหา::

ปริมาณขยะทั่วโลกเพิ่มขึ้นทุกๆ ปี ซึ่งส่งผลให้ดินและแหล่งน้ำสกปรก หลุมฝังกลบอาจเต็มไปด้วยสารเคมีที่เป็นอันตรายและสสารที่เป็นอันตรายอื่นๆ ที่สามารถเข้าไปในระบบนิเวศได้ ซึ่งส่งผลให้เป็นอันตรายต่อมนุษย์และสิ่งแวดล้อม

วิธีแก้ไขปัญหา::

เครื่องคัดแยกขยะอัตโนมัติสามารถช่วยลดมลพิษทางสิ่งแวดล้อม ประหยัดทรัพยากรด้านที่ดิน และส่งเสริมการนำทรัพยากรกลับมาใช้ใหม่ ระบบนี้ผ่านการออกแบบมาเพื่อลดกระบวนการที่ขาดการไตร่ตรองในการกำจัดขยะที่นำกลับมาใช้ใหม่ได้ และการแยกประเภทขยะสามารถเพิ่มศักยภาพในการนำขยะกลับมาใช้ใหม่และลดอันตรายกับระบบนิเวศในพื้นที่ได้

รายละเอียดโปรเจ็กต์::

โปรเจ็กต์นี้ใช้การจำแนกภาพเพื่อจัดประเภทของเสียออกเป็น 4 หมวดหมู่: นำกลับมาใช้ใหม่ได้ ย่อยสลายได้ตามธรรมชาติ อันตราย และอื่นๆ เซ็นเซอร์อินฟราเรดจะตรวจจับกระบวนการกำจัดวัตถุใหม่ ส่งผลให้กล้องส่งภาพมาที่ FPGA FPGA ใช้ Convolutional Neural Network (CNN) อันล้ำลึกที่ชื่อว่า VGG-16 ในการจำแนกภาพ การจำแนกและการจัดประเภทได้รับการปรับปรุงให้ดียิ่งขึ้นด้วยตัวเร่งความเร็ว FPGA แบบ OpenCL ที่ชื่อว่า pipeCNN เครื่องคัดแยกขยะจะเคลื่อนย้ายขยะไปยังถังที่เหมาะสมด้วยความแม่นยำถึง 95% และมีเวลาในการจำแนกอยู่ที่ 1.93 วินาที

ระบบตรวจจับความเสียหายบนพื้นผิวถนน

Dingwei Chen (Chongqing University)

ปัญหา::

ความเสียหายของพื้นผิวถนนไม่เพียงส่งผลต่อภาพลักษณ์ภายนอกและความสบายในการขับขี่เท่านั้น แต่หากไม่มีการระบุและจัดการกับความต้องการในการซ่อมบำรุง พื้นผิวถนนและโครงสร้างที่เกี่ยวข้องจะชำรุด ซึ่งส่งผลให้เกิดอุบัติเหตุหรือมีการสูญเสียชีวิตได้ การสร้างถนนด้วยคอนกรีตหรือยางมะตอยต่างสร้างการปล่อยพลังงานที่เป็นอันตรายและมลพิษทั้งสิ้น

วิธีแก้ไขปัญหา::

ระบบตรวจจับ ค้นหาตำแหน่ง และรายงานอัตโนมัตินี้ใช้กล้องและ LiDAR 3 มิติในการบันทึกข้อมูลสภาพถนนแบบเรียลไทม์ ซึ่งสามารถนำไปวิเคราะห์เพื่อพิจารณาได้ว่าจำเป็นต้องมีการซ่อมแซมหรือไม่ ข้อมูลการตรวจสอบที่ถูกต้องพร้อมกับตำแหน่งที่เที่ยงตรงช่วยให้ทำการจัดการด้านการซ่อมบำรุงได้อย่างมีประสิทธิภาพและหลีกเลี่ยงการชำรุดของพื้นผิวถนนที่มีราคาสูงได้

รายละเอียดโปรเจ็กต์::

ระบบอัจฉริยะเพื่อการตรวจจับความเสียหายของถนนใช้กล้องและ LiDAR โดยใช้ IMU (Inertial Measurement Unit) เพื่อรับข้อมูล Point Cloud และข้อมูลภาพของพื้นผิวถนนได้ ระบบสามารถแก้ไขความผิดเพี้ยนในการเคลื่อนไหวของ Point Cloud และซิงค์ข้อมูลระยะทางของ LiDAR กับข้อมูลพิกเซลของกล้อง การประยุกต์ใช้งานระบบคลาวด์สามารถใช้ข้อมูลนี้ในการรวมรายละเอียดความเสียหายต่างๆ (ขนาด/รูปทรงของส่วนที่เสียหาย) ด้วยแผนที่ข้อมูลอันเที่ยงตรง เพียงเท่านี้ พนักงานซ่อมบำรุงก็สามารถใช้เวลาไปกับการกำหนดเวลาซ่อมแซมในเวลาที่เหมาะสมได้