盛夏的廣東，酷熱難耐。

　　當(dāng)大多數(shù)人在空調(diào)房里盡情享受著電力帶來的清涼時(shí)，有一群人卻不得不冒著高溫在戶外奔波工作，他們就是南方電網(wǎng)廣東電網(wǎng)公司的電力巡檢人員。

　　炎炎烈日下，為了保障自身人身安全，電力巡檢人員需要穿上棉質(zhì)的長袖長褲工作服，頭戴安全帽進(jìn)行室外設(shè)備的巡視和檢查工作。“走一圈下來全身都是汗水，衣服都可以擠出水來”，南方電網(wǎng)廣東能源技術(shù)公司機(jī)器人事業(yè)部的楊英儀博士如此描述夏日室外巡檢工作的艱辛。

　　廣東電科院能源技術(shù)公司利用百度飛槳(PaddlePaddle)深度學(xué)習(xí)平臺為自主研發(fā)的變電站智能巡檢機(jī)器人提供視覺賦能，實(shí)現(xiàn)對變電設(shè)備的準(zhǔn)確檢測與分析，讓原有單次6小時(shí)的人工現(xiàn)場巡視由機(jī)器人替代，極大地降低了運(yùn)維成本，提高了巡視工作的智能化水平。

　　費(fèi)時(shí)費(fèi)力的人工巡檢

　　電能從生產(chǎn)到消費(fèi)要經(jīng)過發(fā)、輸、變、配、用五大環(huán)節(jié)，任何一個(gè)環(huán)節(jié)出問題，都會影響到電能的正常供應(yīng)。其中，輸變電是電能通過電網(wǎng)傳輸?shù)闹匾糠?。電力巡檢的核心工作內(nèi)容，就是對輸變電設(shè)備進(jìn)行運(yùn)維，以確保其正常工作，保障電力系統(tǒng)的安全運(yùn)行和電能的穩(wěn)定供應(yīng)。

　　一直以來，電力巡檢都是由人工完成的。哪里有變電站，哪里有輸電線路，電力巡檢人員就要到哪里去。無論是一望無際的平原，還是叢林密布的山區(qū)。

　　就變電站巡檢而言，對設(shè)備的巡視是其中的重要部分。這部分又分為常規(guī)巡視和特殊巡視。常規(guī)巡視根據(jù)設(shè)備運(yùn)維策略表開展，對設(shè)備的巡視周期每月1次或每季度1次不等;而特殊巡視則根據(jù)特定需求而設(shè)定更為頻繁的周期，如在特殊時(shí)期的保供電巡視要求每天一次。如今已經(jīng)成為高級工程師的楊英儀博士也在電力設(shè)備現(xiàn)場巡維的生產(chǎn)一線上待過，他回憶起當(dāng)時(shí)所在班組的老班長開玩笑說過的話：“我們每天不是在巡檢就是在去巡檢的路上”。

　　電力設(shè)備巡檢工作是枯燥而繁瑣的，一次典型的變電站巡視工作涉及的巡視點(diǎn)多達(dá)1000多個(gè)，這通常需要兩位工作人員花費(fèi)6-7個(gè)工時(shí)去完成，不止耗費(fèi)人力，更耗費(fèi)時(shí)間。隨著經(jīng)濟(jì)的迅猛發(fā)展，電網(wǎng)的規(guī)模越來越大，輸變電設(shè)備的數(shù)量也越來越多。在現(xiàn)有的人員規(guī)模情況下，如何提供智能化的巡檢裝備，使人力投入更少、運(yùn)維效率更高，是擺在所有電力人面前的一道亟待解決的難題。

　　實(shí)時(shí)智能的AI巡檢

　　多年來，廣東電網(wǎng)也一直在進(jìn)行各種方法的嘗試。目前，機(jī)器人已經(jīng)被引入電力巡檢領(lǐng)域，并可以取代人工完成大部分自動化巡視工作。但是，針對表計(jì)識別的傳統(tǒng)圖像識別方法由于受到復(fù)雜背景、光線條件等因素的影響，檢測與識讀的整體準(zhǔn)確率仍然較低。

　　廣東電網(wǎng)通過與百度公司的合作，利用AI算法實(shí)現(xiàn)裝備賦能升級。

　　基于飛槳的AI算法幫助變電站智能巡檢機(jī)器人改善了設(shè)備圖像識別的準(zhǔn)確率，提升了裝備的智能化水平，進(jìn)一步解放了勞動力。

　　現(xiàn)在，利用智能巡檢機(jī)器人開展室外巡視，只需預(yù)先設(shè)定機(jī)器人的巡檢點(diǎn)，規(guī)劃好巡檢路線，機(jī)器人就會自動進(jìn)行所有相關(guān)表計(jì)的檢測與讀取。工作人員無需花費(fèi)6個(gè)小時(shí)在現(xiàn)場巡視，而只需要在遠(yuǎn)方的主控室一鍵下達(dá)巡檢任務(wù)。

　　“所以現(xiàn)在我們變電站可以利用智能巡檢機(jī)器人替代人工開展現(xiàn)場巡視了”，楊英儀說道，智能巡檢機(jī)器人的好處在于，受環(huán)境、氣候及作業(yè)時(shí)長等因素的影響較小，可以降低人工巡檢的勞動強(qiáng)度，降低運(yùn)維成本，提高巡檢作業(yè)和管理的自動化和智能化水平。從更長遠(yuǎn)的意義上講，智能巡檢機(jī)器人的推廣應(yīng)用與賦能提升，可有效推動變電站巡檢無人化的進(jìn)一步發(fā)展。

　　百度飛槳的賦能

　　新技術(shù)的應(yīng)用并不是一帆風(fēng)順的，中間也走了不少彎路。

　　2016年，廣東電網(wǎng)圍繞智能巡檢機(jī)器人研發(fā)成立了重點(diǎn)攻關(guān)團(tuán)隊(duì)，團(tuán)隊(duì)中有做高壓絕緣的，做傳感檢測的，但是沒有一個(gè)人是機(jī)器人專業(yè)科班出身的。用他們的話說，他們對機(jī)器人技術(shù)“一抹黑”，完全不了解。經(jīng)過2年多的實(shí)踐和摸索，光機(jī)器人本體和后臺，更迭了至少六個(gè)版本。

　　以變電設(shè)備巡視中的指針類表計(jì)檢測和識讀為例，在最開始的時(shí)候，他們使用傳統(tǒng)的圖像處理技術(shù)，用人工設(shè)計(jì)特征方法進(jìn)行特征提取。這樣的方法只能獲取圖像中目標(biāo)對象的淺層特征，這使得識別過程極易受到光照等環(huán)境因素的影響，在各類干擾因素影響下，整體識別準(zhǔn)確率并不高。

　　2017年，廣東電網(wǎng)與百度建立了戰(zhàn)略合作關(guān)系，賦能前端巡檢設(shè)備也是合作的重要內(nèi)容之一。智能巡檢機(jī)器人攻關(guān)團(tuán)隊(duì)引入百度飛槳(PaddlePaddle)平臺，利用其所提供的YOLO v3、U-Net，使機(jī)器人面向表計(jì)的深層次特征提取能力大大提高，突破了環(huán)境因素的制約，方法的準(zhǔn)確率和魯棒性顯著提升，在表計(jì)目標(biāo)檢測、示數(shù)讀取等方面的效果尤為顯著?，F(xiàn)在，對于用原有傳統(tǒng)方法處理起來極為困難的表計(jì)目標(biāo)，用深度學(xué)習(xí)方法已經(jīng)可以獲得處理效果的有效提升。

　　模型技術(shù)詳解：YOLOv3與U-Net

　　YOLOv3是一個(gè)速度和精度均衡的目標(biāo)檢測網(wǎng)絡(luò)，飛槳物體檢測統(tǒng)一框架PaddleDetection通過增加mixup、label_smooth等處理，對YOLO v3進(jìn)行了優(yōu)化實(shí)現(xiàn)。YOLOv3也是一個(gè)單階段的目標(biāo)檢測器。傳統(tǒng)目標(biāo)檢測方法通過兩階段檢測，第一階段生成預(yù)選框，第二階段對預(yù)選框進(jìn)行分類得到類別，而YOLO將目標(biāo)檢測看作是對預(yù)測框位置的一個(gè)單階段回歸問題。因此，推理速度能夠達(dá)到具有同樣精度的兩階段目標(biāo)檢測方法的幾乎2倍。此外，YOLOv3在最初版YOLO的基礎(chǔ)上引入了多尺度預(yù)測，因而對小物體的檢測精度大幅提高。

　　U-Net是飛槳語義分割庫PaddleSeg中支持的四個(gè)主流分割網(wǎng)絡(luò)之一，整個(gè)網(wǎng)絡(luò)是標(biāo)準(zhǔn)的encoder-decoder網(wǎng)絡(luò)，具有參數(shù)少、計(jì)算快、應(yīng)用性強(qiáng)等特點(diǎn)，對場景有較高的適應(yīng)度。U-Net使用跳躍連接，以拼接的方式將解碼器和編碼器中相同分辨率的feature map進(jìn)行特征融合，幫助解碼器更好地恢復(fù)目標(biāo)的細(xì)節(jié)。

　　在變電站表計(jì)示數(shù)識讀這一案例中，機(jī)器人對表計(jì)的讀取需要經(jīng)過表計(jì)整體目標(biāo)檢測及二次對準(zhǔn)、表盤目標(biāo)檢測及示數(shù)讀取兩個(gè)階段。原來的機(jī)器人主要是采用基于傳統(tǒng)人工設(shè)計(jì)特征的圖像處理方法實(shí)現(xiàn)表計(jì)的目標(biāo)匹配和輪廓檢測。由于這些方法只能實(shí)現(xiàn)淺層特征的提取，在應(yīng)用的過程中容易受到圖像背景、環(huán)境光照、拍攝角度等因素的影響，分類錯誤率較高。此外，樣本量的增加對此類方法的作用也不大，大量深層特征無法被挖掘并用于提升算法的性能。

背景特征難區(qū)分

類似區(qū)域易誤檢

環(huán)境光線影響檢測準(zhǔn)確性

現(xiàn)場干擾(如水珠)

　　針對這些問題，對機(jī)器人的賦能升級采用了基于深度學(xué)習(xí)的方法，對涉及目標(biāo)檢測與圖像分割的兩個(gè)關(guān)鍵階段進(jìn)行了改善。出于降低圖像處理的傳輸時(shí)延和資源需求、提高前端處理效率和智能化程度的目的，上述兩個(gè)階段均是在機(jī)器人本體上完成。因此，改進(jìn)方案選擇了更適用于前端推理實(shí)現(xiàn)的YOLOv3和U-Net模型。

　　在面向表計(jì)目標(biāo)檢測的具體實(shí)現(xiàn)中，攻關(guān)團(tuán)隊(duì)所采用的訓(xùn)練集包含了946張圖像樣本，標(biāo)注了2838個(gè)表計(jì)目標(biāo)，而測試集則包含了236張圖像樣本。在基于飛槳YOLOv3的檢測實(shí)現(xiàn)中，對表盤檢測的最高mAP達(dá)到了0.9857，有效地提升了目標(biāo)檢測的查全率和查準(zhǔn)率。

檢測結(jié)果示例

mAP指標(biāo)隨迭代次數(shù)的變化圖示

　　在面向表計(jì)示數(shù)識讀的具體實(shí)現(xiàn)中，利用翻轉(zhuǎn)、旋轉(zhuǎn)、隨機(jī)裁剪等方式進(jìn)行圖像預(yù)處理，為U-Net模型提供更多不同的訓(xùn)練樣本;在表盤分割中，則利用U-Net實(shí)現(xiàn)表計(jì)指針、表盤刻度線、表盤示數(shù)等關(guān)鍵要素的有效提取，繼而利用圓心定位、數(shù)字分類、角度估算等后處理方式實(shí)現(xiàn)表計(jì)示數(shù)的有效估計(jì)。在101張測試樣本中，指針示數(shù)識別結(jié)果的偏差與召回率的分布如下表所示。

　　未來與展望

　　目前，廣東電網(wǎng)和百度飛槳的合作主要集中在變電設(shè)備巡檢領(lǐng)域，未來將在輸電線路巡檢、現(xiàn)場風(fēng)險(xiǎn)管控等方向上開展合作，逐步推動電力巡檢行業(yè)向智能化方向發(fā)展。

　　作為中國全面開源開放、功能完備的產(chǎn)業(yè)級深度學(xué)習(xí)平臺，百度飛槳已經(jīng)成為全面推動國內(nèi)產(chǎn)業(yè)智能化升級的重要基石。正如飛槳獲得第六屆世界互聯(lián)網(wǎng)頒發(fā)的“世界互聯(lián)網(wǎng)領(lǐng)先科技成果”這份榮譽(yù)所彰顯的，飛槳技術(shù)領(lǐng)先、功能完備、生態(tài)豐富等特點(diǎn)向世界展示著中國科技的力量。與此同時(shí)，借助百度大腦與百度智能云的“云+AI”領(lǐng)先技術(shù)實(shí)力，更多企業(yè)正上演著智能化轉(zhuǎn)型升級的故事。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請及時(shí)聯(lián)系我們，本站將會在24小時(shí)內(nèi)處理完畢。