南京天數(shù)信息科技有限公司智能制造事業(yè)部總經(jīng)理頡彧在設(shè)計(jì)優(yōu)化運(yùn)維專場(chǎng)做了題為《AI賦能無人機(jī)—助力葉片巡檢》的演講。以下為演講內(nèi)容實(shí)錄：

南京天數(shù)信息科技有限公司智能制造事業(yè)部總經(jīng)理頡彧
 

　　今天我?guī)淼淖h題是“AI賦能無人機(jī)—助力葉片巡檢”。我來自南京天數(shù)，目前我們生產(chǎn)在一個(gè)AI充斥在我們生活的各個(gè)環(huán)節(jié)中，包括我們的微信的轉(zhuǎn)文字等等之類的，實(shí)際上里面充斥著各種各樣的技術(shù)。當(dāng)然今天不是來講無人駕駛的，AI這種工具怎么樣能在我們制造業(yè)、風(fēng)電行業(yè)起到一定的作用，大家都知道過去葉片的檢驗(yàn)方式都是通過望遠(yuǎn)鏡。在這個(gè)過程中南京天數(shù)開發(fā)了智能葉片識(shí)別系統(tǒng)，我們通過無人機(jī)拍攝的視頻直接導(dǎo)入系統(tǒng)，直接把各種各樣的損傷和詳細(xì)的信息一次性全部做出來。

 

　　左邊是我們的原始的視頻拍攝到的數(shù)據(jù)，右邊綠色的是我們發(fā)現(xiàn)的一些微笑的裂紋。我們是怎么做出來的呢？我們團(tuán)隊(duì)用了8個(gè)月時(shí)間對(duì)超過11萬張的照片做了標(biāo)注，這里面故障超過了1萬5千張。

 

　　第一是葉片缺陷圖片，包括缺陷的種類、大小以及具體的位置。我們是怎么做出來這么一個(gè)軟件的工具，實(shí)際上我們分幾個(gè)步驟。第一個(gè)步驟是缺陷的抓取，在這個(gè)環(huán)節(jié)中我們用了11種算法，搭建超過了150層的神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)第一步缺陷的抓取。但是我們都知道在視頻過程中每一秒實(shí)際上有30幀的圖像，所以這個(gè)過程中存在一些問題。我們使用一些技術(shù)來規(guī)避過擬合的現(xiàn)象，我們經(jīng)過大量的調(diào)優(yōu)發(fā)現(xiàn)這個(gè)模型在具體業(yè)務(wù)中有比較良好的表現(xiàn)。

 

　　第二步我們會(huì)對(duì)圖像中具體的事務(wù)進(jìn)行缺陷的聚類。

 

　　第三步就到了缺陷區(qū)域的標(biāo)注，這個(gè)過程中我們也是經(jīng)過了大量的嘗試和學(xué)習(xí)，最終我們發(fā)現(xiàn)有類似的模型在這個(gè)過程中有絕佳的表現(xiàn)。大家都好奇你們用AI和無人機(jī)去看到底能達(dá)到怎么樣的準(zhǔn)確率？我們目前準(zhǔn)確率達(dá)到了98%，而且還有大量潛在的微小的裂紋路。

 

　　我們對(duì)裂紋和剝落要提前發(fā)現(xiàn)，我們還有SVM分類算法，從而判斷故障的類型。

 

　　接下來我們看一些比較實(shí)際的照片，我們目前對(duì)這些缺陷主要從三個(gè)維度，分別是裂紋剝落情況。這里都是機(jī)器學(xué)習(xí)的AI軟件直接判斷出來，直接生成的。這里面可以很明顯地看到有兩道裂紋，我們系列有自動(dòng)把裂紋標(biāo)注出來。底下的報(bào)告中還會(huì)出現(xiàn)裂紋的詳細(xì)信息。

 

　　包括這張圖片，我們看到的好像是一個(gè)很大的裂紋，但實(shí)際上只有10厘米，以望遠(yuǎn)鏡和肉眼幾乎不能發(fā)現(xiàn)這樣的裂紋。我們的葉片的損壞往往是由這樣的小的裂紋生長出來的。所以怎么樣在非常微小的時(shí)候把缺陷源堵住，這樣可以大大降低我們維護(hù)成本。我們往往發(fā)現(xiàn)葉片在損壞之后還會(huì)不斷地接著去損壞。包括這里有一些其他的像剝落的圖片。

 

　　前面是我們對(duì)于葉片的整個(gè)系統(tǒng)的大致介紹。現(xiàn)在我們實(shí)際上對(duì)整個(gè)的風(fēng)機(jī)健康都提出了更高的要求。我們都希望在故障發(fā)生初期有潛在的過程中就發(fā)現(xiàn)故障，在低成本的時(shí)候解決它。在這個(gè)時(shí)候南京天數(shù)推出了一個(gè)系統(tǒng)，目前可以比較有效地預(yù)測(cè)故障。比如說通過SVM數(shù)據(jù)提前幾天時(shí)間，提前7—8天發(fā)現(xiàn)一級(jí)軸承要出現(xiàn)損傷，這樣可以大大降低故障維修的成本，包括可以做到發(fā)動(dòng)機(jī)的大部件的故障運(yùn)行。

 

　　我們用葉根和螺栓來舉例，不可否認(rèn)的是全行業(yè)每一個(gè)廠家都出現(xiàn)葉根螺栓斷了，如果斷了一兩根是看不出來的，但是斷得比較多會(huì)帶來比較大的問題。我們通過整個(gè)對(duì)數(shù)據(jù)影響因子的篩選，包括結(jié)合一些行業(yè)內(nèi)的專家知識(shí)，我們現(xiàn)在通過各種各樣的神經(jīng)網(wǎng)絡(luò)算法，我們已經(jīng)可以很明確、很準(zhǔn)確地發(fā)現(xiàn)這個(gè)風(fēng)機(jī)上的葉根螺栓是否已經(jīng)斷裂。包括我們前一段時(shí)間在主機(jī)廠的實(shí)踐過程中，通過預(yù)警成功地發(fā)現(xiàn)螺栓斷裂的案例，通過維修又恢復(fù)了正常，最后報(bào)警解除。

 

　　包括我們現(xiàn)在風(fēng)機(jī)經(jīng)常會(huì)出現(xiàn)所謂的性能劣化，往往我們的分析過程會(huì)有很多，比如說結(jié)冰等等。我們現(xiàn)在跟其中一個(gè)業(yè)主，通過一個(gè)巨大的決策數(shù)，每一條路上有超過20個(gè)AI的模型，最終通過算法歸結(jié)到某一個(gè)問題上，這樣我們才可能解決某一個(gè)后續(xù)的問題。

 

　　包括對(duì)部件問題搜集的預(yù)測(cè)，風(fēng)機(jī)運(yùn)行要20年，但是實(shí)際上過程中有各種各樣的情況會(huì)導(dǎo)致風(fēng)機(jī)的壽命會(huì)有損傷。我們都希望能看到一個(gè)風(fēng)級(jí)，很清楚地了解到這個(gè)部件還能用三年或者多久，什么時(shí)間會(huì)出現(xiàn)比較重大的問題?，F(xiàn)在隨著AI技術(shù)的不斷發(fā)展，我們目前在風(fēng)電行業(yè)也積累了大量的實(shí)戰(zhàn)的案例，可以幫助我們有效地解決風(fēng)機(jī)各種各樣的故障發(fā)生。

 

　　介紹了一些我們?cè)谶@方面做了案例，南京天數(shù)主要是由硅谷回來的一群IT精英組建的團(tuán)隊(duì)，目前我們做算法的工程師已經(jīng)超過150人的團(tuán)隊(duì)，如果大家想有更多的了解，可以跟我們聯(lián)系。

 

　　（內(nèi)容來自現(xiàn)場(chǎng)速記，未經(jīng)本人審核）