缺陷识别

首先就人工智能的定义、发展历程、关键技术进行综合性阐述。其次就传统巡检图像缺陷监测技术进行深入探讨。全面介绍了基于R-FCN的航拍巡检图像目标监测方法。最后分享了细粒度缺陷、可变形卷积、异物类缺陷识别、自注意力机制、防震锤滑移等最新研究成果。

报告中称，数据处理成为制约机巡作业最大化的瓶颈问题之一。在质量评价的后续工作中应达到与缺陷识别算法关联，明确影响识别结果的关键指标；图像质量定量化评价，指导现场数据采集；通过图像处理技术，改进图像质量。

当前，基于深度学习目标检测技术的设备缺陷识别已经在变电站远程智能巡视中得到广泛应用，本报告先总体概述基于深度学习目标检测的技术发展路线图；其次通过对不同类别和场景设备缺陷识别算法的深度分析，给出相应的技术路线在算法层面和数据层面的优化，在算法层面，引入特征提取和表征能力更强的Transformer架构，再结合端到端的目标检测架构，实现检测效果大幅度提升；数据层面，采用数据生成和增广策略，如生成对抗网络和扩散模型，增加样本的多样性，从而进一步实现检测效果的提升；最后探讨基于深度学习的设备缺陷识别及设备状态评价技术研发趋势及应用前景。

工业听诊器替代了电力行业中老师傅常用的听筒或听棒。配电柜设备在运行过程中会产生噪音，如果有故障产生会伴随产生异响，工业听诊器利用声纹AI技术对异常声纹进行故障建模，24小时在线听诊，及时发现故障以及大数据分析预测故障。

本项目自2021年3月启动至今，项目团队已发表论文2篇（SCI、EI各1篇），发明专利7项（国际PCT专利已授权1项、国内已授权4项、国内已受理2项），本项目的推广应用为优化计量设备主人管理提供技术支撑，大幅度提升缺陷的发现概率与准确度，为巡视缺陷提供稳定的数据保障，给予运维实施精准依据，让设备缺陷维护工作可以做到快速落实措施、准确定位缺陷、及时排除隐患。

基于“机器人+高清视频”联合方式，融合贯通工业视频与机器人数据，实现工业视频与机器人巡检范围交叉覆盖，消除巡检盲区。利用图像智能分析识别技术，自动识别设备状态、站内环境，定时进行图像采集、分析、比对，及时发现设备外观异常变化及环境异常。配置联合智能巡检策略，及时发现设备、环境异常，实现设备状态识别（读数、液位、颜色、状态等），设备缺陷识别（破损、锈蚀、油污、污秽等），安全管控（安全帽、工装服、吸烟等）、环境状态感知（火灾、积水漏水、小动物闯入等），构建整个变电站的联合智能巡检。

首先研究了基于主成分分析的缺陷特征提取技术，概述了基于统计学习理论的支持向量机机器学习方法的基本思 想及实现分类的算法，在此基础上，提出了基于主成分特征提取支持向量机 XLPE电力电缆缺陷识别方法，研究了该方法在 XLPE 电力电缆缺陷识别中的应用。

本案例开创性的将视频融合技术与特高压换流站运维检修进行结合，以数字孪生三维模型为载体，统筹规划实现古泉站远程智能虚拟巡检。同时，采用类脑智能、深度学习等技术，构建视频图像识别、语音识别、声纹识别等人工智能引擎，实现变电设备状态识别、设备缺陷识别、作业行为识别等人工智能边缘计算服务。通过以多维全息感知、远程智能巡检转变设备状态获取方式，以多源数据融合和类脑算法转变设备状态管控方式，以三维数字孪生转变人与设备交互方式，实现运检模式从“传统人工驱动”向“数据智能驱动”转变。依托站端信息中枢，实现对运检业务的全流程在线管控。开展大数据分析，实现指挥决策科学精准和设备资产的全寿命周期管控。

深圳供电局生产以数字化转型为核心要务，从生产应用出发，开展了变电站缺陷识别AI算法应用，利用SOE数据、摄像头图像进行分析处理，实现了缺陷采集、识别、告警、处理的全过程自动化，降低了一线人员的劳动强度，有效提高安全管理水平，促进生产领域整体“提质增效”，实现生产指挥因“数”而“智”。