機器視覺電力智能巡檢應用目錄TOC\o"1-3"\h\u16214視覺機器學習在工業(yè)智能巡檢應用 124225一、項目概述 330268（一）企業(yè)簡介 35414（二）項目背景 329859（三）項目建設情況 46445二、應用場景及建設方案（一）技術路線 415229（二）創(chuàng)新點 523033（三）主要解決問題（關鍵技術） 63756三、項目效果 87883（一）項目效益 81975（1）直接經(jīng)濟效益 821835（2）間接經(jīng)濟效益 85873（二）鑒定評價（暫無） 818571（三）推廣前景 812045四、下一步計劃 9一、項目概述（一）企業(yè)簡介XXXXX電力有限責任公司地處豫、陜、晉三省交界的三門峽市城鄉(xiāng)一體化示范區(qū)，為XXXXX發(fā)電公司三期工程。三門峽公司現(xiàn)有五臺火電機組，總裝機容量295萬千瓦；管理三個風電項目，總裝機容量21.4萬千瓦；1.79萬千瓦廠區(qū)分布式屋頂光伏項目已于2022年9月投產(chǎn)發(fā)電。公司5號機組為1050MW超超臨界火力發(fā)電機組，于2017年1月5日投產(chǎn)發(fā)電。依托1050MW機組工程，XXX電力先后承擔并完成了“超超臨界百萬千萬機組主要動力設備裕度設計優(yōu)化研究”、“超600℃百萬千瓦火電機組先進技術研究及示范”、“布袋除塵器在百萬燃煤機組中的應用”和“百萬千瓦超超臨界燃煤機組智慧（智能）電廠建設關鍵技術研究與示范”等XXX集團公司攻關、研發(fā)課題。（二）項目背景火力發(fā)電廠現(xiàn)場生產(chǎn)設備里一些常見的故障，例如機械設備運行聲音異常、介質(zhì)滲漏、輸煤皮帶跑偏、落煤筒落煤等現(xiàn)象，傳統(tǒng)的檢測方式的檢測方式是通過值班人員定期巡檢發(fā)現(xiàn)異常。人工巡檢存在兩個問題：不能及時發(fā)現(xiàn)故障，以及需要投入大量人力。因此利用先進人工智能技術，對現(xiàn)場生產(chǎn)設備的運行智慧化巡檢，是未來的發(fā)展方向。此項目采用音視頻結合多種算法組合識別聲音異常、介質(zhì)滲漏、皮帶跑偏等異常，可以實時檢測、發(fā)現(xiàn)異常，并及時向相關負責人員發(fā)出報警，有效解決人工巡檢的缺點。智能化的巡檢相比與傳統(tǒng)的人工檢測，具有解放生產(chǎn)力，檢測精度高的特點和優(yōu)點。（三）項目建設情況本項目針對輸煤系統(tǒng)皮帶跑偏、落煤筒落煤異常、汽泵油液漏油、汽泵閥體漏汽和機械運行聲音異常等難題，部署高清攝像機和聲音采集裝置，利用人工智能圖像識別和聲音識別算法，參考人工實際巡檢標準和要求，研發(fā)設備智能巡檢系統(tǒng)。本項目投資計劃約430萬元，研究工作自2020年01月開始，2021年09月完成優(yōu)化運行研究和試驗，實驗結果表明，項目所使用的算法能夠準確檢測出皮帶跑偏、落煤筒落煤異常、汽泵油液漏油、汽泵閥體漏汽和機械運行聲音異常等故障。在多次實驗結果中，顯示了項目方法在實際檢測應用中表現(xiàn)出了優(yōu)越的檢測性能。二、應用場景及建設方案（一）技術路線本項目先后使用了基于傳統(tǒng)計算機視覺的目標特征檢測，yolov5目標識別，和機器學習實現(xiàn)噪音檢測等多種技術路線。（二）創(chuàng)新點創(chuàng)新點1：提出了基于霍夫變換的皮帶跑偏狀態(tài)檢測。通過對電廠發(fā)電設備運行狀態(tài)分析，總結出人工巡檢設備的弊端問題。以運行狀態(tài)視頻為數(shù)據(jù)源，通過霍夫算法和支持向量機結合的方式對設備運行狀態(tài)自動化的分析和判別。進而采用MIL算法進行目標跟蹤，而實現(xiàn)對皮帶偏移的視頻檢測。創(chuàng)新點2：設計一種基于圖像相似度的落煤異常檢測方法。該方法首先使用圖像邊緣提取算法進行的實驗對比分析，實驗結果顯示sobel算法的圖像提取邊緣噪聲小，邊緣清晰。然后，裁剪圖像，對圖像標準化處理后使用相似度算法對落煤運行狀態(tài)分析；最后使用該檢測方法用于電廠落煤現(xiàn)場檢測，能有效檢測落煤狀態(tài)，檢測準確率較高。創(chuàng)新點3：基于圖像差值的汽泵房小機漏油和漏汽檢測算法。通過灰度化、差值圖像、OTSU閾值分割、Sobel算子、形態(tài)學圖像處理和標記檢測區(qū)域等處理，實現(xiàn)漏油識別。灰度化：灰度化的過程就是將每個像素點的RGB值統(tǒng)一成同一個值，灰度化后的圖像將由三通道變?yōu)閱瓮ǖ?，能夠得到一些彩色圖像不能獲得的梯度信息；差值圖像：將樣本圖像與監(jiān)測圖像做差，可以得到兩幅圖像的區(qū)別，通過進一步的分析，確定管道內(nèi)是否存在油液；OTSU閾值分割：通過統(tǒng)計學的方法來選取一個閾值，使得這個閾值可以將前景色和背景色盡可能的分開；Sobel算子：使用Sobel算子檢測水平邊緣和垂直邊緣的；形態(tài)學圖像處理：從圖像中提取對表達和描繪區(qū)域形狀有意義的圖像分量，獲得邊緣后，為獲得油液區(qū)域具體位置，需要找到油液的輪廓；標記監(jiān)測區(qū)域：將獲得的油液輪廓通過矩形標記，并進行可視化操作。創(chuàng)新點4：提出一種基于單分類網(wǎng)絡的離線檢測方法。首先根據(jù)拾音器采集的聲音信息，提取梅爾頻率倒譜系數(shù)（MFCC）、梅爾頻譜、短時能量、過零率等反映電機運行狀況的特征；而后進行特征篩選，去除冗余特征，挑選出最優(yōu)的特征子集送入單分類器，實現(xiàn)電機的異常監(jiān)測?；诖髷?shù)據(jù)分析的發(fā)電設備系統(tǒng)制定異常預警監(jiān)測優(yōu)化方案，大幅提升了問題處理的時效性及有效性，切實提高了發(fā)電設備對故障的預警能力，降低了發(fā)電設備故障率，減輕了人工巡檢力度。（三）主要解決問題（關鍵技術）本項目針對輸煤系統(tǒng)皮帶跑偏、落煤筒落煤異常、汽泵房油管滲油漏油、汽泵房閥門漏汽、皮帶電機減速機聲音異常、汽泵房設備運行聲音異常等難題，部署視頻攝像頭、聲音采集裝置等前端設備，利用人工智能圖像識別算法和聲音檢測算法全程監(jiān)測。關鍵技術1：該技術主要解決皮帶跑偏的難題。采用視頻攝像頭依據(jù)人工巡檢實際情況對輸煤皮帶運行過程全程檢測并及時報警，能夠有效提高輸煤系統(tǒng)安全穩(wěn)定運行，能夠減少在該項巡檢項目的人工投入。關鍵技術2：該技術主要解決落煤筒落煤異常的難題。采用sobel算子的圖像邊緣檢測算法，然后結合結構相似度以及余弦相似度，對落煤狀況實時檢測，多次試驗結果驗證，本算法可以減少人工投入的同時，提高了設備運行可靠性。關鍵技術3：該技術主要解決機械設備運行聲音異常識別的難題。度神經(jīng)網(wǎng)絡的單類分類模型的皮帶電機、皮帶減速機和氣泵轉動異常聲音檢測方法。從轉動的聲音信號中提取MFCC、梅爾譜特征、過零率、短時能量、色度頻率、光譜對比度、音調(diào)空間等特征，利用所提取的聲音特征訓練深度單類分類模型SVDD，SVDD通過正常數(shù)據(jù)訓練神經(jīng)網(wǎng)絡，該方法能夠有效檢測到異常聲音且漏報率比較低，完全代替人在該區(qū)域、該項目的巡檢作用。關鍵技術4：該技術主要解決汽泵房小機漏油和漏汽的難題。對視頻圖像提取HOG特征，對整個區(qū)域進行掩膜處理，從而僅提取目標區(qū)域的相關特征，最后通過DeepSVDD單分類器進行模型訓練，從而判斷目標區(qū)域是否發(fā)生異常。該算法在火力發(fā)電企業(yè)具有推廣價值，在重要閥體位置部署蒸汽泄露算法、在重要油液管理位置部署漏油識別算法，可以及時發(fā)現(xiàn)蒸汽泄露和油液滲漏，降低損失。項目實施后，能夠?qū)崟r發(fā)現(xiàn)皮帶跑偏、漏油、漏汽、落煤筒落煤異常等狀況，在發(fā)現(xiàn)異常即推送報警信息，故障識別率達到95%以上。三、項目效果（一）項目效益（1）直接經(jīng)濟效益系統(tǒng)投入使用后，提高了輸煤皮帶跑偏的檢測預警精度，及時識別氣泵房油管漏油和閥體漏汽，對落煤筒落煤異常和氣泵房聲音異常檢測都顯示出了優(yōu)越的性能，減少了皮帶損壞的經(jīng)濟損失，減少了輸煤系統(tǒng)異常造成的煤資源的浪費。（2）間接經(jīng)濟效益對設備的實時監(jiān)測，輔助代替人工巡檢，提高了設備缺陷發(fā)現(xiàn)效率，延長設備的使用壽命，減少設備維修成本；實現(xiàn)對輸煤系統(tǒng)和氣泵房的監(jiān)控與識別報警，輔助人員進行管理，提高工作效率，降低了人力成本。（二）鑒定評價（暫無）項目通過專家評審、第三方鑒定，確認項目的應用效果、創(chuàng)新實踐等的評價。（三）推廣前景皮帶跑偏、落煤筒落煤異常識別，作為完整的產(chǎn)品，可以部署于火力發(fā)電企業(yè)的輸煤區(qū)域，算法識別的閾值可根據(jù)實際運行情況人為干預，具有識別率高、目標明確、應用范圍廣等特點；漏油、漏汽對于火力發(fā)電企業(yè)具