他們獨特的平臺使用AI和機器視覺技術來分析無人機，直升機和飛機上的電力線和塔的數百萬張圖像，以發現電網基礎設施內部和周圍的危險故障和缺陷以及茂密的植被，以幫助公用事業公司確定問題區域和在大火發生之前修理它們。

與人類相比，該系統可以以一半的成本進行分析，而花費的時間僅為人類的數小時至數天，而不是數月至數年。

加州林業與消防局確定PG&E的傳輸線路是去年加利福尼亞州索諾瑪發生的大規模Kincade火災的過錯。電力線和設備問題已成為最近一場山火的原因，并且山火季節又開始了?？焖侔l現電力線和電網設備的缺陷，因為它們變得越來越熱，風越多，可以幫助公用事業挽救生命并節省數十億美元。

Buzz Solutions已經在全國主要公用事業機構中進行了試驗。處理這些圖像需要六到八個月的時間，并且涉及線務員和工程師，他們將所有這些數據手動映射到一起，查找故障和失敗并標記它們以供親自檢查。

但是，在這個漫長的過程中，線路很容易掉下來，點燃野火并迫使關機甚至更糟。

相比之下，Buzz Solutions的AI和機器視覺技術將查看由這些存儲在云中的各種來源捕獲的網格檢查圖像。AI通過其專有算法運行圖像，以檢測傳輸線和配電線所有主要組件上的故障(見圖)。

該算法還搜索植被可能侵占設備并構成火災隱患的區域。這種AI分析可以在數小時或數天之內完成，而成本僅為傳統流程的一半。然后，公用程序可以采取措施評估標記的圖像，并在引起火災之前修理或更換設備。

“絕對是時候使用人工智能來減少野火威脅。我們相信公用事業行業已準備好采用一種更好的方法來使他們的設備保持良好的運轉狀態，并確保人員和財產安全。” Buzz Solutions的聯合創始人兼首席執行官Kaitlyn Albertoli說道。

Buzz Solutions還可以根據歷史數據，資產和故障數據以及天氣數據提供預測性建模和分析，以主動確定將來可能發生故障和高風險區域的地方。