+ 技培中心 +聚焦無人機巡檢痛點 打造光熱聲一體化平臺

為貫徹落實國家電網公司“提升電網數字化智能化水平”工作部署，推動“綠色希冀”品牌建設，國網冀北技培中心基于“人工智能+無人機”技術，組織研發“無人機光熱聲一體化巡檢平臺”，聚焦無人機巡檢作業痛點，以創新技術為筆，書寫安全可靠新篇章 。

該中心攻克了巡檢作業中多源數據精準采、海量數據高效傳、光熱聲數據融合診等關鍵核心技術難題，實現了人工智能技術與無人機巡檢業務深度集成，助力輸電智能巡檢邁進2.0時代。

多源數據精準“采”

隨著無人機巡檢手段不斷豐富，現有單一模態的數據采集分析模式已無法適應多模態融合采集診斷發展趨勢，光熱聲一體融合巡檢能有效解決檢不全、檢不準的問題，及時發現重大安全隱患。光熱聲一體化智巡平臺在采、傳、診三個環節深度集成了人工智能技術，實現了可見光、紅外和聲紋的多模態一體化采集診斷分析，將可識別的缺陷從9大類拓展到16大類，且大幅提高了可見光圖像識別的準確率，實現了全方位、高精度的線路狀態診斷。

在聲紋采集方面，技培中心采用多臂螺旋型麥克風陣列替代傳統的規則型陣列，不僅提升了聲紋采集的分辨率，還大大增強了信號捕捉的廣度和深度。在可見光和紅外圖像采集方面，其構建了包含百萬級樣本的部件識別模型庫，涵蓋20余類常見巡檢目標，這些模型通過深度學習訓練，可以在無人機前端實時識別巡檢目標，并根據識別結果自主調整云臺和相機參數，如焦距、曝光時間等，從而強化智能感知，提升圖像質量。

同時，研發團隊還將光熱聲相機同時集成在無人機前端，確保了數據采集的全面性和準確性，大大提高了數據采集的效率。“我們訓練了輕量化模型，讓無人機認準目標再對焦，這樣就能拍出高清的圖像，廢片率也由10%降到了1%”，國網冀北技培中心研發團隊周國亮介紹說。

海量數據高效“傳”

在電力巡檢領域，圖像與聲紋數據的實時傳輸與分析對于快速響應、精準決策至關重要。“無人機光熱聲一體化巡檢平臺”引入大模型自注意力機制技術，自動識別圖像和聲紋中的關鍵區域，其通過大幅壓縮非關鍵區域來減小尺寸，并在此基礎上實現大規模數據的高效安全傳輸與內容理解驅動的高質量壓縮還原。

針對低算力設備，技培中心研發了輕量級高效壓縮模型，利用深度學習自注意力機制，精準識別圖像中的桿塔本體、設備部件等關鍵區域以及聲紋中的特定特征，在壓縮中重點保護關鍵信息，通過高倍率自適應壓縮算法，大幅縮減數據體積，保持關鍵信息完整準確。

在數據傳輸過程中，該中心建立了全局依賴關系模型，動態調整數據傳輸策略，優化網絡帶寬利用，確保數據穩定傳輸。其采用“令牌化”壓縮格式，將壓縮后的數據塊與特定加密令牌綁定，每個令牌包含驗證信息，只有持有正確密鑰的接收方才能解析數據，增強數據傳輸的安全性，抵御暴力破解攻擊，保護數據隱私。

光熱聲數據融合“診”

在輸電線路運維管理中，桿塔健康狀態評估與缺陷識別是保障電力供應穩定安全的關鍵。傳統方法往往依賴于人工巡檢，不僅效率低下，且難以全面覆蓋所有潛在缺陷。“無人機光熱聲一體化巡檢平臺”結合視覺大模型和聲紋識別檢測算法的多維度缺陷特征建模方法，通過光熱聲多源數據融合分析，實現對輸電線路桿塔健康狀態的精準評估與缺陷的全面識別，其識別準確率提高了15%，為智能電網的安全穩定運行提供了有力保障。

技培中心利用視覺大模型技術深度分析桿塔可見光圖像，引入基于生成式人工智能技術的條件引導擴散模型，擴充樣本庫，提升可見光缺陷識別準確率，捕捉桿塔表面裂紋、腐蝕、污穢等缺陷特征。在紅外測溫方面，其采用視覺分割大模型技術精準分割紅外圖像中的關鍵部件，精確測量部件溫度，通過溫差對比發現潛在過熱問題。

此外，該中心還根據光熱聲多源數據融合分析結果，確定桿塔健康等級。對健康等級較低的桿塔，及時采取維修或更換等措施，避免安全風險。通過持續監測和數據分析，優化健康狀態判別模型，提高缺陷識別精度和效率。

技培中心以“人工智能+”技術的無人機光熱聲一體化智巡平臺，集成了可見光、紅外和熱成像等多種傳感器，結合先進的聲紋識別技術，實現了對目標物體的多維度、全方位監測，將為能源行業、交通、農林等行業提供更為精準、高效的巡檢模式，助力冀北公司新型電力系統建設。