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。

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。

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。

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。

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”。

本项目完成了以人工智能为代表的新兴技术在电网行业的一次成功落地实践，有力地证明了数字化技术能够为能源系统的高效稳定运行提供技术保障和有力支撑，对于推动产业数字化发展具有重要价值和指导意义。该项目在能源行业、社会其他行业也具有广泛的应用前景，可面向社会化企业进行产品能力输出，作为图像处理组件向公司系统外具有图像识别业务需求的企事业单位及业务部门推广，助力企业数字化转型，促进相关配套行业的跟进，带来更大的社会效益。

本项目系统开展关键技术研究：研制直升机搭载的高精度、高智能化巡检终端，攻克直升机巡检光电吊舱亚像素级实时电子稳像、线路元件自动跟踪、海量数据智能选帧等关键技术，显著提升直升机巡检作业水平；提出并采用基于深度学习和特征分析相融合的缺陷识别技术，构建面向多类型缺陷识别的卷积神经网络模型，首次开发输电线路缺陷智能识别应用系统，典型缺陷识别率实现突破性提高；发明渐进加密金字塔式海量激光点云高效存储处理技术，开发输电线路激光点云数据分析专用软件，实现广域输电线路交叉跨越和树障等空间距离快速检测和安全预警；构建南方电网架空输电线路直升机巡检标准体系，开发了南方电网直升机巡检技术支持系统 （18个支撑软件）。 项目成果己在南方电网各分子公司应用，有效规范输电线路直升机巡视作业规模化、规范化开展，保障作业安全的同时，提升作业效率，提高作业质量，从而及时发现输电线路的缺陷和隐患，有效降低电网故障和因停电导致的损失，保障人民生活稳定，国家和区域经济持续增长。同时，部分项目成果集成于广州科易光电技术有限公司、中船重工第717研究所等光电吊舱设备中，进一步提高了相关光电吊舱性能指标和产品竞争力；成果软件已推广应用到四川测绘地理信息局、河北省第三测绘院、国家海洋技术中心等相关企事业单位中，在应用，在地理勘测、应急救灾、海岸巡查中发挥了重要作用，具有良好通用性和产业带动效应。