当电力巡检遇上人工智能

算法推送、人脸支付、智慧城市、智能客服、医生、律师……AI正在各行业掀起革命，可有一个领域却鲜有人提及——电力。人工智能可不可以应用到电力巡检上面呢？答案是肯定的！

你可能见过这样的方式，人工巡检

这样的方式，飞手地面操控无人机进行巡检

还有即将出现这样的，无人机自动化巡检的

我们认为无人机在电力巡检中会经历以下3个发展阶段①手工操控阶段

电网企业买了无人机，让操作人员考证后上岗。这只是降低了巡检难度，人带着无人机亲自到一线但不用爬塔了，不过数据分析还需工。

②智能化阶段

无人机带有 RTK 高精度定位技术，可以实现自动驾驶，后续也有 AI 辅助分析数据，一定程度上解放了更多的人力。这个阶段提高了巡检效率，但因无人机通讯和数据样本不足还不能实现理想中的全自动化，还是需要人的运维辅助。

③无人化阶段

无人机带有 5G+RTK，可实现全自动化巡检。这时候，人不用去现场，只要部署自动停机场就可以。无人机自动巡检、实时传回数据、自动回巢、自动充电。可以实现远程调度无人化。目前，电力巡检发展到了第二阶段——智能化阶段，这个阶段里人工智能是如何发挥作用的呢。   不同以往的三维智能航线

在智能化阶段里面，无人机开始进入自动驾驶阶段。和地面上的自动驾驶汽车面对的复杂环境不同，无人机在空中的环境没有太多变化。自动驾驶是实时建立三维模型，实时做航线规划。但行业无人机是相反的。对于电力巡检来说，无人机自动驾驶是指的是：首先系统根据事先扫描好的周边环境激光点云，建立三维模型，然后自动化规划航线，其中无人机的拍摄点也自动规划在里面，再向无人机发出任务，无人机去执行。随着无人机巡检的广泛展开，产生了大量的平面影像数据，如果仅靠人工处理，无疑会耗费大量人工时间，那么如何快速分析识别缺陷和隐患，大数据分析及巡视模式优化，管理及可视化展示大数据成果，从而整体提升巡视单位无人机巡视应用水平？那么我们就需要让计算机拥有自主计算的大脑以及一双看懂电力行业的双眼了——易飞缺陷隐患分析软件。

缺陷隐患分析软件最大的特点是采用人工智能算法方式，利用深度学习神经网络的工作方式来实现。深度学习算法

识别算法采用了学术界最新、最先进深度学习算法，将目前最先进算法进行融合和改造，同时加入增强学习技术（同AlphaGo,让模型进行自学习优化）和迁移学习技术，通过大量实验分析与比较对算法做大幅度修改和优化，对图像中特点目标特征进行叠进式数据建模，提升对小物体识别的敏感度，实现较小运算资源下精确分类和检测。针对无人机输电线路的通道巡检以及精细化巡检所拍摄的影像资料，基于大量的缺陷隐患样本库，利用深度学习卷积神经网络，自动批量对上述影像数据进行缺陷隐患识别，并对缺陷进行统计和汇总，自动生成缺陷分析报告。最终目标缺陷识别深度学习算法的最终目标是：提高缺陷识别种类及识别率，降低漏报和误报，完成目标检测。