作者 | 涂承燁
審校 | 重樓
前文《不是人才用不起，而是AI巡檢更有性價比！》簡要介紹了AI巡檢的概念、重要性、技術架構等，那么具體場景如何應用AI巡檢呢？
以電力行業為例，我們先看看傳統巡檢存在哪些問題？
一、電力行業傳統巡檢存在問題
電力行業存在問題
- 巡檢時間長大部分輸電線路都在山路之中，海拔高、距離長，需要花費人員大量時間與精力，且需要大量資金確保人員安全和基礎補給。
- 巡檢精度低傳統人工巡檢方式容易受到自身疲勞以及各類天氣因素的干擾，導致結果偏差甚至出錯。
- 巡檢效率低人工巡檢方式需要人員自行攀登、且在高處行走巡視，一天可能只能巡檢幾處塔桿。人工巡檢配電站、變電站、開閉所等區域需要花費大量時間，且只能進行少次數巡檢。
- 巡檢人員少
電力巡檢是較為艱苦的工作，當代年輕人更不愿意從事相關重復勞動力工作，招工用工相對成為了一項難題。
針對這些存在的問題，如何應用AI技術進行解決？
二、AI巡檢方案
基于AI的巡檢是一種先進的技術應用，它結合了自然語言處理和計算機視覺技術、大模型等，以實現高效的設備檢測和故障預警。
深度學習算法模型，參考廈門大學紀榮嶸教授-緊致化計算機視覺系統，優化出的模型尺寸更小，更節省內存、能源，推理速度更快且精度損失小。
深度學習算法模型
AI巡檢總體架構
2.1 應用場景
2.1.1 常見表計設備巡檢場景
通過紅外攝像機對常見表計設備進行測溫，以監控實時溫度，滿足多樣化識別需求。
2.1.2 常見輸電線路AI巡檢場景
設備通常建設在山區等巡檢人員難以高效率巡檢的地方，而人工費用成本逐漸上升；對于占地面積大、涉及設備裝置數目多的線路，難以在短時間內對各設備運行狀況有良好的把握與監測。
常見的塔桿、絕緣子、輸電線的外觀是否正常，是否存在缺損、傾斜等問題；鳥巢、風箏、塔頭脫落故障、絕緣子損毀、電線斷線等異常情況是否存在問題等，均無法及時發現，容易造成安全隱患。
通過無人機系統巡檢，可以避免人員高危操作風險，提高巡檢效率，切實有效的保證設備的正常安全運行。
無人機巡檢自動發現問題
2.1.3 點云數據智能識別場景
傳統方案：根據2D可見光圖像人工區分目標，圖片拼接難、圖像分辨難。
傳統方案效果
AI方案：基于自研無人機機巢及軟件平臺、點云分析算法，實現變電站及輸電線路點云數據的采集和識別。采用深度學習大場景點云識別；利用分割算法在電力走廊區域檢測出對應塔桿，導線及樹障。
AI方案效果
2.1.4 常見安全隱患識別場景
在日常的安全隱患巡檢中，比如安全帽檢測、口罩檢測、工裝檢測、吸煙檢測、火焰檢測、禁行區域檢測、文字準確性檢測等，存在行為規范難、潛在風險預測難、人工監測成本高、監測管控難統計、監測效率低等痛點。
紅外線攝像機、可見光攝像機的實時監控采集后，平臺通過算法模型等自動識別、警告，實現智能實時監測，檢測潛在風險，確保工作安全，實現為生產制造賦能的效果。
安全隱患實時檢測
2.1.5 設備溫度監控場景
開關刀閘、儲油柜、絕緣子、電容器、電流計、線路金具等需要實時監測溫度，防止危險發生。
傳統可見光成像方案無法獲得更多儀器設備的內部信息，無法對設備的潛在風險進行更詳細的風險度量，多硬件的體系監控相對代價更高。
相對于傳統可見光成像，紅外熱成像反映了被監測物體的溫度信息，能夠在外觀無變化、但內部性質發生變化時提前預警?；诩t外監控設備，結合深度學習檢測算法可實時監控溫度變化。
紅外熱成像智能識別
三、AI巡檢的未來展望
AI巡檢正在成為一種日益重要的維護和管理手段。借助人工智能技術，AI巡檢不僅可以實現自動化、智能化的巡檢過程，還能提高巡檢效率和準確性，減少人工巡檢的誤差和安全隱患。展望未來，AI巡檢將在多個方面取得重要突破和發展。在礦業煤礦、化工煉焦、冶金、電力電廠、道路裂縫檢測等行業，均已有了好的應用案例！
展望未來，多少憧憬，多少豪邁！AI技術正大步邁入我們生活的方方面面，為我們的生活帶來更多的憧憬！
作者介紹
涂承燁，51CTO社區編輯，省政府采購專家、省綜合性評標專家、公 E 采招標采購專家，獲得信息系統項目管理師、信息系統監理師、PMP，CSPM-2等認證，擁有15年以上的開發、項目管理、咨詢設計等經驗。對項目管理、前后端開發、微服務、架構設計、物聯網、大數據、咨詢設計等較為關注。
