据了解,输电线路发热检测是电力系统运维的重要环节,可以及时发现线路缺陷隐患,防止线路跳闸停电等事故的发生。然而,以往用人工智能识别红外影像数据的流程比较复杂,且需由人工现场判别画面中的发热故障点,易受检修人员经验、注意力等因素的影响而造成遗漏;此外,红外视频数据量庞大,复检工作难度极大且效率低下,易造成绝缘子掉串等危险事件。而利用新研发的输电线路红外缺陷智能识别系统,仅需一键上传巡检红外视频就能快速抽帧并智能识别发热缺陷,可辅助线路运维单位及时消除线路跳闸停电的隐患。
此次技术攻关团队结合业务场景,采用“最小化标注 + 阶梯式学习 + 干扰点屏蔽”的技术路线,实现了红外缺陷隐患的智能识别,模型识别准确率达 90% 以上。
据介绍,目前该系统在国网电力空间技术有限公司部署应用,系国内首次将人工智能技术规模化应用于输电线路发热检测。以 240 基杆塔的红外视频为例,传统人工数据复核需要 5 个小时,现在采用该系统,从上传视频到完成分析只需要 2 个小时,且过程中无需人工干预。