2019年6月，有個城市因為電力互聯系統癱瘓瞬間成了一座“灰暗”的城市，交通信號燈停止運作，地鐵、城際鐵路、公交車等公共交通全部停運，供水系統無法正常運行。此次停電波及超過4800萬人。

在高度依賴電力產業的今天，停電成了一座城市的災難，交通工具無法運行，信號燈不亮，店鋪停業……電力作為城市正常運作和快速發展的命脈，提高輸電線路巡檢的效率，保障民用、企業用電的供電可靠，成為亟需解決的問題。

隨著無人機的普及，電路巡查逐漸從人力巡檢中擺脫出來，但仍然存在技術手段單一、無法實時同步線路缺陷等問題。

一群來自華北電力大學的師生團隊看到了未來輸電線路AI巡檢的藍海市場，投入到研發當中，通過無人機智能巡檢、 AI 技術圖像檢測分析，讓輸電線路缺陷檢測的精確度不斷提升。

＃人力痛點難解決，換成機器試一試

傳統輸電線路巡檢，大多依賴運行維護人員肉眼或手持儀器排查電路中的故障，根據經驗判潛在隱患，然而，純靠人力檢測本身就是一個巨大隱患，巡檢員很難一處不落的排除掉所有隱患，而在電網的運行中，任何微小的安全問題都有可能造成事故，導致大面積的癱瘓，造成巨大的經濟損失；有時遇上下雨、下雪等惡劣天氣，人力檢查更是寸步難行。

輸電線路大多位處人煙稀少的郊區，遠離市中心，需要特巡特維線路占全部線路比重的20%，運檢難度大、質量要求高等條件讓愿意從事巡檢工作的人越來越少。據數據顯示，我國現有輸電線路運檢人員的年均增長率不足 3%，2019 年底缺員高達 34%，巡檢專業人員數量少、人工效率低、危險系數高等問題日益突出。

據不完全統計，2014-2018 年國內因架空線路巡檢造成的人身傷亡事故 238 起，因輸電線路故障造成經濟損失高達數十億元。針對輸電專業人員數量與設備規模持續增長日益突出的矛盾，國家大力推廣無人機巡檢，較人工巡線相比，無人機具有效率高、安全性高、缺陷發現率高等優勢，但仍然存在諸多的問題。

無人機巡檢絕大部分作業無配套機巢，不可移動，只能巡檢到部分線路缺陷，且無人機巡檢完成后仍需進行人工圖像缺陷分析，據統計，在我國無人機輸電線路巡檢中每年產生超過數十億張巡檢圖片，對人力資源的消耗仍是巨大。以山東電網為例，現配置無人機 600 架，年產生圖片約 120 萬張，安裝可視化監控裝置 4.5 萬套，年產生圖片 1.8 億張，按照八小時日工作制，人眼判圖需要92人/年。

如此繁重的工作量，為電路巡檢機制的改善提供了巨大空間。

經過全面市場調研，團隊了解到目前使用的無人機巡檢仍存在漏檢、錯檢率高，人力成本大，難以保證巡檢質量等問題。在2019年，“閃電鳥-電力視覺”創業團隊與華北電力大學(保定)智能視覺計算機研究所、電力視覺大數據研究室聯合研發了一套完整的、實用的架空輸電線路無人機邊云協同智能巡檢工具，將其命名為“閃電鳥-無人機AI 巡檢平臺”。

＃“馴服”無人機，難在技術創新

在設計方案的時候，團隊就有一個很清晰的思路，要用無人機做巡檢人員的眼睛，巡檢人員只需要通過閃電鳥平臺就能知道每個輸電線路的情況。想法很豐滿，現實很骨感，要實現真正的“無人”巡檢，還有很多技術需要攻克。

首先擺在眼前的，就是無人機在巡檢時，會有電池、天氣、照片不如肉眼等方面的限制，如果這些問題得不到解決，那么后期的技術再牛也無法真正識別出缺陷與隱患。

對于這群鉆研電力的年輕人，無人機并不是他們所擅長的領域，很多飛行的限制也都是行業天花板所帶來的。但他們不甘心，因為這些問題如果不解決，無人機做巡檢就會變得形同虛設，在戶外巡檢，一旦因為沒電而墜毀就白白造成損失。

對于這些問題，團隊成員內部討論了很多次，始終難以拿出一個比較好的解決方案，因為有的限制是整個行業目前的天花板，僅靠他們是沒有辦法去打破。為此，他們專門聯系了很多無人機公司，咨詢相應的解決方案。

經過一番折騰，他們才算找到了延長無人機飛行時間的方法——將充電無人機的機庫置于輸電塔上，每個充電機庫都配有多個無人機，當無人機快沒電的時候可以就近去機庫充電，充好電的無人機接過“巡檢”的重任，沖出“鳥巢”繼續飛。

巡檢人員只需要通過應用程序，直接下達巡檢地點、線路等，根據內置智慧氣象感知站，當判斷出天氣滿足飛行時，“小鳥們”就開始飛出鳥巢執行任務，在無人機飛行期間，巡檢人員通過手機反饋實時了解設備或線路的信息，當發現了輸電線路缺陷也能快速定位、及時解決。

為了能將無人機訓練成識別隱患的火眼金睛，團隊用可見光相機的高清攝像，模擬人眼對桿塔與線路進行近距離觀察。針對沖在巡檢一線的無人機，正是因為團隊做了各個方面的優化與調整，才讓它能夠實現用科技解決人力問題背后的不足，能夠采集到足夠的信息為下一步的分析做好鋪墊工作。

＃巧用華為云，解決項目大難題

在過去多年的積累中，團隊研發出的核心技術——AI視覺處理與分析技術，為項目進展打下了一個很好的基礎。

即使如此，團隊也明白要真正實現“無人”巡檢，擺在他們面前的挑戰依舊很大，如果不能解決圖像智能識別功能，依舊擺脫不了需要耗費大量人力對圖片進行分析處理。如何才能解決？這得需要云端強大算力的GPU 服務器和強大的邊緣計算能力，才能夠實現圖像智能識別，及早發現輸電線路的問題所在。

華北電力大學自2019年開始，與華為建立合作關系，將華為的技術、人工智能平臺等引入到課程教學中，實現人才的培養；另一方面在科研項目上，華為提供算力算法支持，共同投入到課題研發中，助力項目的完成。“閃電鳥”作為華北電力大學重要的研發項目之一，華為早早就投入到項目支持當中，為團隊保駕護航。面對項目過程中出現的問題，團隊借助華為云技術所提供的超強存儲能力和算力，完成整個項目的落地。

無人機出動巡檢，基于華為全棧 AI 視覺處理與分析技術對圖像進行智能識別檢測，產生圖像和變電站內固定攝像頭拍攝產生的視頻，通過云平臺深度學習與云計算相結合的方式，對圖像與視頻數據進行自動分析，能一邊對圖像進行壓縮、存儲，一邊進行各類故障檢測、異物分析；根據服務器分析出的結果，工作人員就能立馬進行故障檢修，無需守在主機旁一直等待。

輸電線路智能巡檢一體化平臺結合華為全棧AI技術，一方面，利用華為云ModelArts平臺開發輸電線路智能巡檢云側應用，實現對巡檢數據和模型算法的統一管理以及存儲資源和計算資源的高效利用，對于輸電線路中關鍵部位以及鳥巢、絕緣子掉串等大尺度缺陷進行檢測；另一方面，利用華為HiLens端云協同管理平臺開發輸電線路智能巡檢端側應用，實現端側設備模型優化和應用部署，以滿足輸電線路危急缺陷檢測的實時性要求，對輸電線路中螺栓缺銷等問題進行檢測。

而對于輸電線路發生的緊急情況，一旦無人機檢測出了危急缺陷，圖片將不會如往常那樣返回云側平臺，而是直接到達無人機終端上進行檢測，并將識別結果第一時間發送至工作人員，極大程度節省了對危機缺陷的搶修時間。

為提高巡檢準確率，采用了深度學習算法對輸電線路關鍵部件與大尺度缺陷進行檢測，將這些檢測圖像進行標注后形成數據集，利用華為云ModelArts 平臺的“智能數據標注”功能進一步擴充數據集，用智能數據標注方式大幅提升了標注效率，加快了項目進程。

在華為云的技術支持下，讓這群年輕人研發出了市場上極具競爭優勢的產品。

閃電鳥無人機不受地形、氣候影響，就能以快速實現更廣覆蓋的巡檢，提高了輸管道巡檢效率；讓巡檢實現智能化、自動化，無需耗費多余人力就能獲知輸電線路和變電站的狀況；通過“智能運檢+深度學習+邊緣計算/云計算”大大提高各類缺陷檢測精度，極大減少了各類風險及經濟損失。

＃開啟智能巡檢時代，未來可期

如果用一個詞來形容研發過程，團隊選擇了“青春”。他們說，正是一波波年輕人不斷涌入實驗室，為一個項目熬著心血，才結出了閃電鳥這么一個碩果。

相比較人工，閃電鳥已經大幅度提升了檢測率、解決了行業的痛點，但團隊還在繼續投身實驗室做研究，他們要再提高算法，讓巡檢平臺能夠識別更多復雜的缺陷危機。

對于未來，團隊想將閃電鳥的應用領域不局限在電力方面，而是擴展到光伏新能源、石油管道、交通運輸等多種巡檢場景，如果可以希望能應用在生活的方方面面，用智能來彌補人工的缺陷與不足。

也許，在不久的未來，我們的生活就如科幻小說中一般，出門就能在天空中看到各式各樣的無人機，它們有的是在指揮道路交通，有的是在監控治安狀況，還有的是檢測全民健康水平；等你過完馬路的功夫，就看到交通部門、民警、醫生都出動。

對于這樣一個未來，華為一直都在努力。

華為更希望分享自己的技術讓更多年輕人學習、掌握。目前，華為已聯合清華大學出版社、各高校學科帶頭人，面向高校師生及開發者陸續推出鯤鵬、昇騰系列學習教材和教輔資料，鯤鵬/昇騰系列課程將融入各大高校的計算機專業、人工智能專業，引領通信和信息行業發展，實現技術人才的培養。

大學生是推動社會飛速發展的主力，華為聯手教育部，在有關高校建設“智能基座”產教融合協同育人基地，現已在北京大學、清華大學、上海復旦大學、上海交通大學、西安交通大學、哈爾濱工業大學等72所高校，把鯤鵬、昇騰系列課程融入計算機專業、軟件工程專業、人工智能專業、電子信息專業進行首批試點。

相信當越來越多的高端人才從智能基座走出，科幻大片會離我們越來遠近，各行各業都能通過科技解決痛點，減少不必要的損失。

原文標題：無人機破巡檢難題，秒變電網衛士

文章出處：【微信公眾號：華為】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq