《電力巡檢無人機邊緣智能終端技術規(guī)范》_第1頁
《電力巡檢無人機邊緣智能終端技術規(guī)范》_第2頁
《電力巡檢無人機邊緣智能終端技術規(guī)范》_第3頁
《電力巡檢無人機邊緣智能終端技術規(guī)范》_第4頁
《電力巡檢無人機邊緣智能終端技術規(guī)范》_第5頁
已閱讀5頁,還剩14頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

ICS號

中國標準文獻分類號

CES

團體標準

T/CESXXX-XXXX

電力巡檢無人機邊緣智能終端技術規(guī)范

Technicalspecificationoftheedgeintelligent

terminalforpowerinspectionbasedonUAV

(征求意見稿)

XXXX-XX-XX發(fā)布XXXX-XX-XX實施

中國電工技術學會發(fā)布

T/CESXXX-XXXX

1范圍

本標準規(guī)定了電力巡檢無人機邊緣智能終端的技術規(guī)范。

本標準適用于日常和應急電力巡檢過程中,采用無人機作為低空領域圖像采集的主要作

業(yè)手段,對輸電、配電、變電站中的設施、設備進行智能無人化全自主巡檢的所有業(yè)務。

2規(guī)范性引用文件

下列文件對于本文件的應用是必不可少的。凡是注日期的引用文件,僅注日期的版本適

用于本文件。凡是不注日期的引用文件,其最新版本(包括所有的修改單)適用于本文件。

GB/T2009.51電工術語架空線路

DL/T741-2010架空輸電線路運行規(guī)程

DL/T664-2008帶電設備紅外診斷技術應用導則

DL/T969-2005變電站運行導則

Q/HW519-2010配電網(wǎng)運行規(guī)程

Q/GDW382配電網(wǎng)自動化技術導則

3術語和定義

下列術語和定義適用于本文件。

3.1缺陷智能檢測IntelligentDefectDetection

通過計算機視覺中的目標檢測技術對缺陷進行智能檢測。

3.2缺陷Defect

根據(jù)電網(wǎng)設備和部件的類型,建立輸電與變電、配電領域的典型缺陷。

3.3平均檢測耗時AverageDetectionTime

平均檢測是在指定硬件配置下,從圖像輸入缺陷檢測模型,到輸出缺陷檢測結(jié)果的過程,

平均每張圖片所耗費的計算時間。

3.4邊緣計算EdgeComputing

邊緣計算,是指在靠近物或數(shù)據(jù)源頭的一側(cè),采用網(wǎng)絡、計算、存儲、應用核心能力為

一體的開放平臺,就近提供最近端服務。

3.5輸電線路巡視檢查TransmissionEquipmentInspection

1

T/CESXXX-XXXX

工作人員用眼睛或用望遠鏡以及其他工具和儀器對輸電線路的各部件進行觀察、檢查和

測量。目的是為掌握線路的運行狀況、及時發(fā)現(xiàn)設備缺陷和威脅線路安全的問題。由于

架空線路分布很廣,又長期處于露天之下運行,所以經(jīng)常會受到周圍環(huán)境和大自然變化

的影響,由于配電線路設備種類較輸電線路多而復雜,巡視時除對輸電線路進行巡視檢

查外,還應對特殊設備進行巡視。

3.6故障巡視FaultInspection

當線路發(fā)生故障跳閘時,應立即組織巡視,叫故障巡視。故障巡視的目的在于及時查明

線路發(fā)生故障的原因,找出故障位置并查明故障造成的破壞情況,以便準備搶修器材和

研究搶修辦法,并制定防止類似故障的措施。

3.7模型部署ModelDeployment

把封裝好的算法模型部署到云側(cè)、邊側(cè)、端側(cè)。

3.8實時動態(tài)定位RTKReal-timeKinematic

在GPS測量中,如靜態(tài)、快速靜態(tài)、動態(tài)測量都需要事后進行解算才能獲得厘米級的精

度,而RTK(Real-timekinematic)實時差分定位是一種能夠在野外實時得到厘米

級定位精度的測量方法,它的出現(xiàn)極大地提高了野外作業(yè)效率。

3.9目標跟蹤ObjectTracking

目標跟蹤是計算機視覺領域的一個重要問題,目前廣泛應用在體育賽事轉(zhuǎn)播、安防監(jiān)控

和無人機、無人車、機器人等領域。

3.10特征金字塔FeaturePyramidNetwork

特征金字塔是用于檢測不同尺度的對象的識別系統(tǒng)中的基本組件。多尺度上識別目標是

計算機視覺的一個挑戰(zhàn),通過提取多尺度的特征信息進行融合,進而提高模型精度。

3.11感受野ReceptiveField

感受野,感受器受刺激興奮時,通過感受器官中的向心神經(jīng)元將神經(jīng)沖動(各種感覺信

息)傳到上位中樞,一個神經(jīng)元所反應(支配)的刺激區(qū)域就叫做神經(jīng)元的感受野。

3.12上采樣Upsampling

上采樣就是采集模擬信號的樣本。

3.13卷積Convolution

在泛函分析中,卷積、旋積或褶積是通過兩個函數(shù)f和g生成第三個函數(shù)的一種數(shù)學算

子,表征函數(shù)f與g經(jīng)過翻轉(zhuǎn)和平移的重疊部分函數(shù)值乘積對重疊長度的積分。

3.14感興趣區(qū)域RegionofInterest

機器視覺、圖像處理中,從被處理的圖像以方框、圓、橢圓、不規(guī)則多邊形等方式勾勒

出需要處理的區(qū)域,稱為感興趣區(qū)域,ROI。在Halcon、OpenCV、Matlab等機器視覺軟

件上常用到各種算子(Operator)和函數(shù)來求得感興趣區(qū)域ROI,并進行圖像的下一步

處理。

2

T/CESXXX-XXXX

3.15非極大值抑制Non-MaximumSuppression

非極大值抑制顧名思義就是抑制不是極大值的元素,可以理解為局部最大搜索。這個局

部代表的是一個鄰域,鄰域有兩個參數(shù)可變,一是鄰域的維數(shù),二是鄰域的大小。

3.16交并比Intersection-over-Union

交并比(Intersection-over-Union,IoU),目標檢測中使用的一個概念,是產(chǎn)生的候

選框(candidatebound)與原標記框(groundtruthbound)的交疊率,即它們的交

集與并集的比值。最理想情況是完全重疊,即比值為1。

3.17置信度Confidence

置信度表示算法輸出的矩形框中含有目標的可能性大小,數(shù)值為0到1。

3.18智能網(wǎng)關SmartGateway

智能網(wǎng)關是網(wǎng)絡設備,是局域網(wǎng)絡智能化的關鍵,一般支持虛擬網(wǎng)絡接入、wifi接入、

有線寬帶接入等,通過它可實現(xiàn)對局域網(wǎng)內(nèi)各傳感器、網(wǎng)絡設備、攝像頭以及主機等設

備的信息采集、信息輸入、信息輸出、集中控制、遠程控制、聯(lián)動控制等功能。

3.19超視距BeyondVisualDistance

指在目視無法看到目標的距離以外進行,這個距離的長短目前尚未有明確而且統(tǒng)一的規(guī)

定。

4總體要求

4.1基于無人機邊緣智能終端的電力巡檢工作應貫徹“實用性強、安全性高及可操作性強”

的方針,嚴格執(zhí)行《國家電網(wǎng)公司電力安全工作規(guī)程》的有關規(guī)定。

4.2無人機邊緣智能終端在電力巡檢中,應具備實時目標和缺陷檢測與定位、實時溫度檢

測、高精度AI輔助抓拍、智能感應曝光、邊云互聯(lián)、超視距操控等功能,以滿足該

行業(yè)自主智能巡檢需求。

4.3無人機邊緣智能終端的運行成果應體現(xiàn)在實時、動態(tài)、交互的了解和掌握輸變配網(wǎng)等

應用場景下的所有目標設施、設備的運行狀態(tài),采用定期與應急巡視檢查相結(jié)合的方

法,智能化完成巡檢任務,確保工作智能、有序、高效。

4.4無人機邊緣智能終端應積極推行設施設備狀態(tài)管理理念,開展設施設備狀態(tài)評價,逐

步實現(xiàn)更加智能化、高效的輸變配電網(wǎng)巡檢。

4.5電力巡檢工作應充分發(fā)揮輸變配電自動化與智能化的優(yōu)勢,推廣應用各種信息技術與

現(xiàn)場巡視檢查作業(yè)平臺,并采用智能化、標準化作業(yè)手段,不斷提升運行工作水平與

3

T/CESXXX-XXXX

效率。

4.6針對無人機邊緣智能終端的功能開發(fā)工作應建立運行崗位責任制,明確分工,應有專

業(yè)人員負責。

4.7輸變配電網(wǎng)運行人員應熟悉、執(zhí)行本規(guī)范,可根據(jù)本規(guī)范編制實施細則。

4.8運行單位需根據(jù)歷年反事故措施、安全措施的要求和運行經(jīng)驗,在實現(xiàn)電力巡檢無人

機邊緣智能終端過程中,應力求創(chuàng)新式將無人機、無線通訊與邊緣AI結(jié)合在一起。

5實時目標和缺陷檢測與定位

5.1缺陷檢測算法研發(fā)

5.1.1缺陷檢測算法研發(fā)應包括技術要求梳理過程。

5.1.2缺陷檢測算法研發(fā)應包括算法選擇過程。

5.1.3缺陷檢測算法研發(fā)應包括算法流程制定過程。

5.1.4缺陷檢測算法研發(fā)應包括精度評價過程。

5.1.5缺陷檢測算法研發(fā)應包括指導文檔編寫過程。

5.2技術要求

5.2.1可實現(xiàn)無人機圖像實時監(jiān)測。

5.2.2可實現(xiàn)電力部件的識別。

5.2.3可實現(xiàn)電力缺陷的識別。

5.2.4部件檢測應只檢測圖片中主要部件,忽略圖片背景中的同類部件。

5.2.5若部件結(jié)構(gòu)復雜,應進一步檢測部件中的細分部件。

5.2.6可滿足各種場景下的識別要求,場景類別如通道巡檢、桿塔精細化巡檢。

5.2.7可實現(xiàn)圖像溫度預警。

5.2.8溫度預警檢測算法應至少包含溫度矩陣獲取、部件檢測和發(fā)熱判定三個模塊。

5.2.9部件是否發(fā)熱應結(jié)合部件最高溫度和相對溫升共同判定,判定標準應參照DL/T

664-2008執(zhí)行。

5.2.10部件的最高溫度應選擇部件檢測框中的最大溫度值。

5.2.11相對溫升應計算部件檢測框中最大溫度值和最小溫度值的差或者和部件連接的

導線溫度值的差。

5.3目標識別方法

5.3.1應優(yōu)先采用基于深度學習的目標識別方法以適用于電力智能巡檢需求。

5.3.2目標識別方法應提供識別參數(shù)閾值調(diào)整范圍,確保適用于電力巡檢各種缺陷識別。

4

T/CESXXX-XXXX

5.3.3基于深度學習的目標識別算法包括兩種模式,應結(jié)合算法本身優(yōu)勢及應用場景綜

合抉擇目標識別方法:

a.單階段目標識別算法,例如以YOLO、SSD等目標識別算法系列為代表,單階段目

標識別算法其優(yōu)勢在于識別速度快;

b.雙階段目標識別算法,例如以FasterRCNN、CascadeRCNN等目標識別算法系列

為代表,雙階段目標識別算法其優(yōu)勢較單階段識別算法在于識別精度稍高;

5.3.4應有目標識別方法相關指標評價文件。

5.4目標識別流程

5.4.1開展目標識別工作前,應檢查無人機邊緣智能終端是否部署了最新版識別模型。

5.4.2工作人員分為組長、研發(fā)人員、測試人員。

5.4.3前端設備自動獲取拍攝數(shù)據(jù)。

5.4.4調(diào)用封裝智能AI模塊對拍攝數(shù)據(jù)進行識別與定位。

(1)生成圖像金字塔

圖像金字塔最初用于機器視覺和圖像壓縮,一幅圖像的金字塔是一系列以金字塔形

狀排列的分辨率逐步降低,且來源于同一張原始圖的圖像集合。其通過梯次向下采

樣獲得,直到達到某個終止條件才停止采樣。金字塔的底部是待處理圖像的高分辨

率表示,而頂部是低分辨率的近似。

(2)生成感興趣區(qū)域

需要產(chǎn)生目標可能存在的感興趣區(qū)域(RegionofInterest,ROI)。因為一張圖片中含

有大量背景信息,一個可行的方法是先產(chǎn)生目標可能存在的大致區(qū)域,再對這些感

興趣區(qū)域進行微調(diào)。對感興趣區(qū)域提取特征,用于后續(xù)的分類及回歸。

(3)特征提取及分類

特征提取的目的是對感興趣區(qū)域?qū)ふ乙环N具有代表性的表征方式,并進一步用于分

類、回歸等任務。在目標檢測中,通常會用預訓練好的分類模型進行視覺特征的提

取,因為分類模型提取的視覺特征具有很好的通用性。

(4)非極大值抑制

在完成前幾步后,得到一系列包含目標的boundingbox,但這些boxes有大量重合

區(qū)域,所以需要對其進行篩選重組,如非極大值抑制(NonMaximumSuppression,

NMS),使得每個目標由單一box框定。

5

T/CESXXX-XXXX

5.4.5輸出所識別目標的坐標及置信度。

5.4.6輸出結(jié)果。

5.5實時溫度預警

5.5.1應充分考慮輸變配電中不同的應用場景,選取方法滿足缺陷目標實時溫度預警需

求,例如紅外實時溫度預警方法。

5.5.2實時溫度預警應支持自動選取待檢測目標識別范圍。

5.5.3實時溫度預警應實現(xiàn)平均溫度和最高溫度值預測。

5.5.4實現(xiàn)實時溫度預警時應充分考慮所依賴的硬件設備載荷。

5.5.5實時溫度預警應在平臺顯示預警的溫度,預警效果示例如圖1。

圖1實時溫度預警

5.6檢測精度要求

5.6.1評價指標主要由準確率、召回率、單張圖片平均檢測耗時組成,見附錄A。

5.6.2計算評價指標時,使用的測試數(shù)據(jù)缺陷總數(shù)量應為標注缺陷和人工核查去除重復

后的算法檢測缺陷取并集的數(shù)量。

5.6.3算法上線應滿足召回率不低于85%。

5.6.4算法上線應滿足準確率不低于50%。

5.6.5算法上線應滿足單張圖片目標識別平均檢測時效不低于30FPS,目標識別+跟蹤

不低于30FPS。

5.6.6若存在多個算法滿足上線條件,應挑選召回率分數(shù)值最高的算法上線。

6

T/CESXXX-XXXX

5.7指導文檔

5.7.1應由算法開發(fā)人員和電力業(yè)務運維人員共同編寫標注指導文檔。

5.7.2文檔應包含版本號、編輯時間、審批通過時間、修訂時間等信息。

5.7.3文檔應包含任務來源、工作地點、場景描述等概括性描述。

5.7.4文檔應包含該技術的應用方式或應用場景。

5.7.5文檔應明確智能AI模塊中的深度學習框架。

5.7.6文檔應明確智能AI模塊中的目標識別算法。

5.7.7文檔中操作步驟應至少給出1種典型示例圖,示例圖見附錄B。

6高精度AI輔助抓拍

6.1高精度AI輔助抓拍算法研發(fā)

6.1.1高精度AI輔助抓拍算法研發(fā)的過程應包括技術要求分析。

6.1.2高精度AI輔助抓拍算法研發(fā)的過程應包括算法實現(xiàn)。

6.1.3高精度AI輔助抓拍算法研發(fā)的過程應包括工作流程制定。

6.1.4高精度AI輔助抓拍算法研發(fā)的過程應包括指導文檔編寫。

6.2技術要求

6.2.1可自動識別關鍵部件。

6.2.2可針對絕緣子掛點、地線掛點、絕緣子、連接金具、懸垂線夾等電力部件進行高

精度識別。

6.2.3可實現(xiàn)對相機和云臺的全方位實時控制。

6.2.4可實現(xiàn)對相機和云臺的校正控制。

6.2.5可自動控制云臺鎖定關鍵部件的拍攝位置。

6.2.6可控制云臺及載荷進行精確對準、變焦放大、精確對焦、抓拍等操作,如圖2。

7

T/CESXXX-XXXX

圖2部件精確對焦

6.3高精度AI輔助抓拍算法

6.3.1構(gòu)建關鍵拍照部位的樣本庫

分析存在的關鍵拍照點位,搜集已有巡檢圖像,在已有巡檢圖像基礎上構(gòu)建標記樣

本庫。

6.3.2開發(fā)及訓練關鍵拍照部位的識別模型

通過建模方法,對關鍵拍照點位樣本庫進行訓練學習,研究模型的優(yōu)化調(diào)參,提升

模型的識別精度。

6.3.3識別模型精簡和優(yōu)化

訓練出的識別模型進行高性能的精簡和優(yōu)化,在保證識別精度的前提下,滿足邊緣

端AI芯片算力要求,極大化的提升AI識別的效率。

6.3.4實現(xiàn)部件目標識別

調(diào)用部件模型實現(xiàn)相關部件目標識別與定位,輸出目標位置信息。

6.3.5鎖定目標

控制云臺鎖定目標,自動控制云臺相機識別、對準居中、變焦、拍照控制,保障拍

攝圖像中目標物的占幅比,確保采集的圖像有效率更高、更清晰、更聚焦。

6.4工作流程

6.4.1開展工作前,應組織人員學習指導文檔,并讓工作人員嘗試實景操作系統(tǒng),熟練

度應達到96%以上方可上崗。

8

T/CESXXX-XXXX

6.4.2操作人員分為組長、無人機操控人員、維修人員,指定組長1人,其中無人機操

控人員應有半年以上的操作經(jīng)驗。

6.4.3在執(zhí)行任務前應確保無人機能夠正常使用。

6.4.4高精度AI輔助拍照任務由無人機搭載的AI邊緣智能終端來完成,緊急狀況下

需無人機操控人員輔助。

6.5操作文檔

6.5.1應由算法開發(fā)人員和電力業(yè)務運維人員共同編寫標注指導文檔。

6.5.2文檔應包含版本號、編輯時間、審批通過時間、修訂時間等信息。

6.5.3文檔應包含任務來源、工作地點、場景描述等概括性描述。

6.5.4文檔應包含該技術的應用方式或應用場景。

6.5.5文檔應明確正確的操作方式。

6.5.6文檔中操作步驟應至少給出1種典型示例圖,示例圖見附錄D。

7智能感應曝光

7.1智能感應曝光研發(fā)

7.1.1智能感應曝光研發(fā)的過程應包括技術要求梳理,應考慮不同場景下進行整體設

計。

7.1.2智能感應曝光研發(fā)的過程應包括工作流程制定,應首先考慮無人機自主飛行過

程中是否存在過曝或者欠曝現(xiàn)象,若存在過曝或者欠曝現(xiàn)象應如何調(diào)整曝光參數(shù)。

7.1.3智能感應曝光研發(fā)的過程應包括指導文檔編寫,至少包含算法源碼注釋、說明文

檔兩部分。

7.2技術要求

7.2.1可識別關鍵拍攝目標的光照亮度。

7.2.2可智能調(diào)節(jié)相機焦環(huán)的曝光量。

7.2.3此任務需配合無人機搭載的AI邊緣智能終端來完成。

7.3工作流程

9

T/CESXXX-XXXX

7.3.1開展工作前,應組織人員學習指導文檔,并讓人員嘗試實景操作系統(tǒng),熟練度應

達到96%以上方可上崗。

7.3.2操作人員分為組長、研發(fā)人員、無人機操控人員、維修人員,指定組長1人,其

中無人機操控人員應有半年以上的操作經(jīng)驗。

7.3.3在執(zhí)行任務前應確保無人機能夠正常使用。

7.3.4此任務在飛行狀態(tài)下來自完成。

7.3.5智能感應曝光應首先判斷該場景下是否存在過曝或者欠曝的現(xiàn)象。

7.3.6電力巡檢過程中若存在過曝或者欠曝的現(xiàn)象,應通過調(diào)整相機參數(shù)快速實現(xiàn)曝光

量調(diào)節(jié)。

7.4指導文檔

7.4.1應由算法開發(fā)人員和電力業(yè)務運維人員共同編寫標注指導文檔。

7.4.2文檔應包含版本號、編輯時間、審批通過時間、修訂時間等信息。

7.4.3文檔應包含任務來源、工作地點、場景描述等概括性描述。

7.4.4文檔應包含該技術的應用方式或應用場景。

7.4.5文檔應明確是否為逆光拍攝的判斷方法。

7.4.6文檔應明確逆光拍攝云臺自動調(diào)整方法。

7.4.7文檔中操作步驟應至少給出1種典型示例圖,示例圖見附錄C。

8邊云互聯(lián)與超視距操控

8.1邊云互聯(lián)與超視距操控研發(fā)

8.1.1邊云互聯(lián)與超視距操控研發(fā)的過程應包括技術要求梳理。

8.1.2邊云互聯(lián)與超視距操控研發(fā)的過程應包括功能實現(xiàn)與分析。

8.1.3邊云互聯(lián)與超視距操控研發(fā)的過程應包括指導文檔的編寫。

8.2技術要求

8.2.1應內(nèi)置通訊模組。

8.2.2可實現(xiàn)實時數(shù)據(jù)傳輸。

8.2.3可實時將視頻和圖像回傳到后端平臺。

8.2.4可在飛行時發(fā)布任務指令。

10

T/CESXXX-XXXX

8.2.5可實現(xiàn)超視距操控。

8.3功能描述

8.3.1實時數(shù)據(jù)傳輸

(1)實時數(shù)據(jù)傳輸應包括實時接收回傳數(shù)據(jù)和顯示無人機飛行狀態(tài),實現(xiàn)邊云互聯(lián)。

(2)數(shù)據(jù)傳輸功能應包括且不限于對視頻數(shù)據(jù)的傳輸及圖像數(shù)據(jù)的傳輸。

(3)數(shù)據(jù)傳輸至平臺后可通過電腦端或手機端即可實現(xiàn)數(shù)據(jù)查看、修改、報警、統(tǒng)計、

分析等。

(4)在條件允許得情況下,應優(yōu)先使用5G網(wǎng)絡或利用其他信息技術實現(xiàn)低時延數(shù)據(jù)傳

輸,如圖3。

(5)應對每臺設備制定維保周期以及記錄相關的維保文檔。

圖3數(shù)據(jù)信息傳輸架構(gòu)圖

8.3.2超視距操控

(1)應保證無人機邊緣智能終端可實時與無線通訊模組進行通訊。

(2)應保證無人機邊緣智能終端可完成對無人機遠程操控。

(3)無人機操控系統(tǒng)與無人機之間的通訊應不再單純依賴無人機自帶的數(shù)據(jù)鏈路和圖

傳系統(tǒng)。

8.4指導文檔

8.4.1應由算法開發(fā)人員和電力業(yè)務運維人員共同編寫標注指導文檔。

8.4.2文檔應包含版本號、編輯時間、審批通過時間、修訂時間等信息。

8.4.3文檔應包含任務來源、工作地點、場景描述等概括性描述。

8.4.4文檔應包含該技術的應用方式或應用場景。

8.4.5文檔應明確無線數(shù)據(jù)傳輸操作方法。

11

T/CESXXX-XXXX

8.4.6文檔應明確發(fā)布任務指令操作方法。

9無人機邊緣智能終端有效性評價與算法優(yōu)化

9.1無人機邊緣智能終端有效性評價過程

有效性評價過程應包含真實場景測試。

有效性評價過程應包含目標檢測結(jié)果核查。

有效性評價過程應包含階段性測試評價。

有效性評價過程應包括驗證性報告的編寫。

9.1.1真實場景測試

(1)根據(jù)項目方法,每個測試場景應至少與一個需求或用戶故事相關聯(lián)。

(2)在創(chuàng)建一次驗證多個需求的測試場景之前,確保有一個測試場景,可以單獨檢查。

(3)避免創(chuàng)建跨越多個要求的過于復雜的測試場景。

(4)當場景的數(shù)量很大并且運行成本很高時,根據(jù)優(yōu)先級,僅運行選定的測試方案。

9.1.2檢測結(jié)果核查

(1)應對算法測試的結(jié)果與數(shù)據(jù)標注員的標注結(jié)果進行比對來核查算法檢測結(jié)果。

(2)檢測結(jié)果核查應至少包含兩輪核查。

(3)每輪核查中,屬于同一類缺陷的檢測結(jié)果應統(tǒng)一由一名電力業(yè)務人員進行。

(4)不同輪核查同一缺陷的電力業(yè)務人員不應相同。

(5)核查過程中應分別記錄不同缺陷類型的檢測結(jié)果數(shù)量。

(6)核查過程中應記錄不同缺陷類型去除重復后的算法檢測結(jié)果數(shù)量。

9.1.3階段性測試

(1)無人機邊緣智能終端第一階段應可實現(xiàn)高精度AI輔助拍照、實時目標和缺陷檢

測、定位智能感應曝光、實時溫度檢測的功能。

(2)無人機邊緣智能終端第二階段應增加邊云互聯(lián)、超視距操控的功能。

(3)無人機邊緣智能終端應可結(jié)合技術發(fā)展,拓展新功能以滿足智能電力巡檢需求。

9.1.4驗證性報告

(1)驗證性報告的發(fā)布應該做到時間明確、數(shù)據(jù)準確。

(2)電力巡檢報告至少應包括下列內(nèi)容:測試人員、日期、測試氣象條件、測試方法

和現(xiàn)場記錄的數(shù)據(jù)以及數(shù)據(jù)處理的過程及結(jié)果等內(nèi)容。

(3)驗證性報告應可為電力智能巡檢方案制定提供有效支撐。

9.2算法優(yōu)化

9.2.1算法優(yōu)化應包含技術測試、分析報告編寫、算法更新、和算法上線五部分。

9.2.2算法優(yōu)化周期應不超過1個月。

9.2.3算法應有優(yōu)化版本記錄文檔,詳細記錄不同版本算法的優(yōu)化時間、上線時間。

9.2.4數(shù)據(jù)導出后應發(fā)給算法研究人員,分析數(shù)據(jù)后形成該版本算法的檢測報告。

9.2.5分析報告應對算法不足進行歸類并分析原因。

9.2.6算法研究人員應使用調(diào)整算法并更新算法。

12

T/CESXXX-XXXX

9.2.7算法研究人員應采用更新后的算法重新測試,檢測結(jié)果無問題后再上線。

10無人機邊緣智能終端接口標準

10.1標準化接口

10.1.1無人機邊緣智能終端接口包括Type-C、常規(guī)USB、網(wǎng)口等

10.1.2可與常見旋翼或垂直起降固定翼機型無縫對接。

10.2接口功能

10.2.1網(wǎng)口用于連接以太網(wǎng)。

10.2.2Micro-HDMI接口用于連接顯示器。

10.2.3Micro-USB接口用于軟硬件調(diào)試。

10.2.4Type-C接口連接OSDK,用于與飛控系統(tǒng)實時交互。

10.2.5常規(guī)USB接口用于連接其它產(chǎn)品,如圖11。

圖1無人機邊緣智能終端接口標準

11無人機邊緣智能終端研發(fā)過程

11.1無人機邊緣智能終端性能梳理

11.1.1無人機邊緣智能終端性能梳理應制定相關產(chǎn)品規(guī)格。

11.1.2應描述無人機邊緣智能終端尺寸、重量。

11.1.3應描述無人機邊緣智能終端產(chǎn)品擴展性。

11.1.4應描述無人機邊緣智能終端可搭載平臺。

11.1.5應描述無人機邊緣智能終端工作溫度。

11.1.6應描述無人機邊緣智能終端工業(yè)防護等級。

11.1.7應描述無人機邊緣智能終端功耗。

11.2算法流程制定

11.2.1實時目標和缺陷檢測與定位技術制定。

13

T/CESXXX-XXXX

11.2.2缺陷檢測算法應至少包含部件檢測和缺陷檢測兩個模塊。

11.2.3溫度預警檢測算法應至少包含溫度矩陣獲取、部件檢測和發(fā)熱判定三個模塊。

11.3算法工程構(gòu)建

11.3.1算法工程構(gòu)建應至少包含算法源碼、相關模型和說明文檔三個部分。

11.3.2算法源碼應統(tǒng)一存放于同一個文件夾中。

11.3.3算法模型部分應包含算法所用的全部模型文件,單個模型文件的命名應至少包

含算法名稱、檢測目標。

11.3.4說明文檔應至少包含算法檢測缺陷名稱、算法工程結(jié)構(gòu)、重要代碼注釋。

14

T/CESXXX-XXXX

附錄A

(資料性附錄)

無人機邊緣智能終端技術指標

在作業(yè)現(xiàn)場實時識別情

況下,

準確率=TP/(TP+FP)

召回率

=TP/(TP+FN)

計其中TP(TruePositives)

表示識別目標被正確分

無算準確率≥50%

類的數(shù)量;

人精召回率≥85%

機度FP(FalsePositives)表

邊示被錯誤分類的數(shù)量;

()表

緣FNFalseNegatives

智示錯誤分類的背景數(shù)

能量。

本系統(tǒng)采用NVIDIAPascal

?架構(gòu),配有256個

NVIDIACUDACore1.3

TFLOPS(FP16)以及雙核

算FP

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論