電廠智能巡視解決方案
一、方案介紹
1、 背景與難題：
當前，大多數發電廠房普遍存在地質條件和廠房環境復雜、現有常規傳感器無法全面感知設備等異常情況，仍依賴大量人力到現場巡視檢查。由于人工巡維無法做到全范圍、全時段覆蓋的要求，近年來國內外發生多起因隱患未及時發現而導致的安全生產事故。因此，亟需發展智能技術驅動的新質生產力，通過“機器代人”方式解決日益凸顯的人力資源短缺問題。針對發電廠房設備種類多、場景復雜的特點，通過研發面向復雜設備的機器視聽智能感知巡維技術，實現對發電廠房設備的準確檢測以及故障定位。
2、 技術路線：
機器視聽主站是一個基于人工智能、深度學習、云存儲、物聯網平臺等先進技術構建的綜合業務巡檢平臺。主要由幾個關鍵模塊組成：機器視覺、機器聽覺和樣本庫管理。其中機器視覺算法模塊基于目標檢測技術，設計用于檢測各類異常情況，如雜物、漏水、漏油、火焰、黑煙霧、白煙霧、刀閘開關和柜門開關，還支持識別指示燈、讀取表計數據，并檢測攝像頭畫面的模糊程度，從而實現多任務的告警推送。機器聽覺算法模塊采用無監督深度學習聲音處理算法，該模塊能夠分析多路音頻數據，通過對聲音數據深入的特征分析，算法模塊能夠提供實時的聲音異常推送。樣本庫管理模塊專注于數據的存儲和管理，通過高效的數據管理方式，確保了數據安全性和易訪問性，樣本庫管理還支持數據業務標注，為機器學習和深度學習算法逐步積累優化訓練數據。
數據傳輸鏈路圖
二、產品功能分析
1.機器視覺算法模塊
(1)攝像頭管理：用于查看及操控攝像頭，用戶可通過搜索需要的攝像頭或選擇自定義的攝像頭組合，查看實時監控視頻，支持操控攝像頭進行轉動、縮放、截屏等操作。
(2)攝像頭異常監測：用于查看最近發生離線、模糊的攝像頭及近一個月異常次數，可以通過設備名稱、異常類型、異常時間進行檢索。
(3)視覺測點管理：視覺測點的定義為【攝像頭-預置位-區域-算法】，用于檢測目標和識別物體的特定區域，并給區域進行定制化算法配置。用戶可通過調整攝像頭視角設置預置位并關聯臺賬設備與空間位置，同一預置位下可通過框選預置位截圖設置多個區域，并給每個區域配置不同的算法，支持對不同測點設置不同的檢測頻率。
(4)視覺算法矩陣配置：通過表格形式對已配置的測點進行展示，可以對算法進行集中配置，支持批量導入導出。
(5)視覺算法識別結果：用于展示最新的識別結果信息，默認展示有異常的識別結果，也可查看所有識別結果，并支持通過多種查詢條件進行篩選回溯。
2.機器聽覺算法模塊
(1)聽覺首頁：該頁面主要展示重要統計數據、實時識別結果、拾音器狀態列表、設備聲音健康度等信息。
(2)拾音器管理：可通過搜索需要的拾音器，管理聲音監測目錄樹，選擇自定義的拾音器組合，查看實時波形圖頻。
(3)拾音器異常監測：可查看最近發生離線、在線的拾音器及近一個月異常次數，支持通過聽覺測點名稱、拾音器名稱、拾音器類型、狀態進行檢索。
(4)聽覺測點管理：將聽覺測點與拾音器、臺賬設備、空間位置進行關聯，查看各測點的歷史音頻并進行音頻分析，本系統中一個聽覺測點對應一個拾音器。
(5)聽覺算法識別結果：用于展示最新的識別結果信息，根據識別結果類型分為多個頁面，默認展示有異常的識別結果，也可查看所有識別結果，并支持通過多種查詢條件進行篩選回溯。
三、成功案例
本方案適用于所有發電廠房，包括抽水蓄能電廠、燃機電廠等，該解決方案已被多個發電廠進行推廣覆蓋應用，用戶反饋產品效能良好。
1、深蓄抽水蓄能電廠識別效果
2、東莞華能燃機電廠識別效果
