無人機巡檢AI監測系統技術剖析
無人機自動巡檢為現場帶來的安全可靠背后是離不開部署在服務器的 AI 應用云,也是給無人機賦能的重要環節。AI應用云采用自主智能識別算法,能夠對無人機回傳的電廠巡線 6K 超高清影像、紅外熱遙感影像數據進行實時 AI 圖像識別,能夠滿足再發生設備異常、溫度異常的同時進行第一時間報警并生成報告。
我們用常規的電廠案例來舉例,在無人機常態化電廠巡檢過程中,AI 應用云能夠自動發現和輔助判定煙囪、鋼鐵、高壓線路等生產廠區內主要構建筑物外形檢測缺陷及風險、異常狀態識別及異物檢測,大大降低漏檢率、誤檢率。同時,可在電廠建設期對電廠主要建筑質量和施工質量數據化并作出智能分析,在使用中綜合電廠建設數據、實時傳感數據和巡檢數據,預警早期缺陷及風險;同時也大大降低艱苦惡劣高危環境下的人工現場作業頻次和強度,大大降低建設和使用成本。
1 無人機煙囪冷卻塔檢測
利用機載可見光相機對產品煙囪冷卻塔進行識別檢測,煙囪冷卻塔外側懸停,首先使用廣角鏡頭觀看煙囪冷卻塔整體情況,其次拉近鏡頭,查看具體位置情況。實時回傳煙囪冷卻塔整體情況,同時利用算法進行圖像識別,快速準確判斷煙囪冷卻塔外墻完整情況、外墻健康程度,提升煙囪冷卻塔檢查的速度與準確性,消除泄漏隱患。

2、 無人機煙火智能識別
早期火災的熱物理現象主要有陰燃、火羽流和煙氣等。陰燃階段的特征是有煙但無明火產生,火羽流階段的特征是有火焰產生同時產生大量的煙氣。若能在陰燃階段和火羽流早期階段探測到火災的發生并自動報警,同時啟動聯動系統滅火,則可以在避免火災或將火災危害降到最低。在廠區消防安全巡檢過程中通過 AI煙火識別算法實時檢測識別是否存在違規用火或發生火災事故,準確檢測早期火災發生時的煙霧和明火區域,系統及時告警聯動廠區消防安全負責人和專業滅火力量做出反應。


無人機在自動巡檢過程中機載端實時采用 yolov5-tiny 算法模型目標檢測,并將檢測的結果及位置等信息以結構化數據進行上傳,檢測結果圖片同步上傳至管理后臺。無人機實時回傳視頻到云端服務器,依靠強大的 GPU 算力,基于業界主流的目標檢測模型 Yolov5 進行實時識別煙霧和火焰的發生,并將檢測過程畫面實時在前端頁面呈現。
無人機檢測到煙霧和火焰發生后,向控制臺觸發預警機制。預警信息及實時檢測畫面會結合事發地點的位置信息上報至指揮中心控制臺。整個飛行檢測過程全部實現自動化自主飛行、智能檢測、AI識別,全程無需人工干預。
3、 無人機高壓線路外形檢測、異物檢測
主要進行高壓線路的外形識別,以及異物檢測,發現異物后進行預警事件推送。

4、 無人機對主要建筑物外形檢測、異物識別
利用機載可見光相機對主要建筑物進行識別檢測,查看具體位置情況。實時回傳整體情況,同時利用算法進行圖像識別,快速準確判斷主要建筑物外墻完整情況、外墻健康程度,消除泄漏隱患。

