2025机器视觉电力智能巡检应用

机器视觉电力智能巡检应用目录TOC\o"1-3"\h\u16214视觉机器学习在工业智能巡检应用 124225一、项目概述 330268（一）企业简介 35414（二）项目背景 329859（三）项目建设情况 46445二、应用场景及建设方案（一）技术路线 415229（二）创新点 523033（三）主要解决问题（关键技术） 63756三、项目效果 87883（一）项目效益 81975（1）直接经济效益 821835（2）间接经济效益 85873（二）鉴定评价（暂无） 818571（三）推广前景 812045四、下一步计划 9一、项目概述（一）企业简介XXXXX电力有限责任公司地处豫、陕、晋三省交界的三门峡市城乡一体化示范区，为XXXXX发电公司三期工程。三门峡公司现有五台火电机组，总装机容量295万千瓦；管理三个风电项目，总装机容量21.4万千瓦；1.79万千瓦厂区分布式屋顶光伏项目已于2022年9月投产发电。公司5号机组为1050MW超超临界火力发电机组，于2017年1月5日投产发电。依托1050MW机组工程，XXX电力先后承担并完成了“超超临界百万千万机组主要动力设备裕度设计优化研究”、“超600℃百万千瓦火电机组先进技术研究及示范”、“布袋除尘器在百万燃煤机组中的应用”和“百万千瓦超超临界燃煤机组智慧（智能）电厂建设关键技术研究与示范”等XXX集团公司攻关、研发课题。（二）项目背景火力发电厂现场生产设备里一些常见的故障，例如机械设备运行声音异常、介质渗漏、输煤皮带跑偏、落煤筒落煤等现象，传统的检测方式的检测方式是通过值班人员定期巡检发现异常。人工巡检存在两个问题：不能及时发现故障，以及需要投入大量人力。因此利用先进人工智能技术，对现场生产设备的运行智慧化巡检，是未来的发展方向。此项目采用音视频结合多种算法组合识别声音异常、介质渗漏、皮带跑偏等异常，可以实时检测、发现异常，并及时向相关负责人员发出报警，有效解决人工巡检的缺点。智能化的巡检相比与传统的人工检测，具有解放生产力，检测精度高的特点和优点。（三）项目建设情况本项目针对输煤系统皮带跑偏、落煤筒落煤异常、汽泵油液漏油、汽泵阀体漏汽和机械运行声音异常等难题，部署高清摄像机和声音采集装置，利用人工智能图像识别和声音识别算法，参考人工实际巡检标准和要求，研发设备智能巡检系统。本项目投资计划约430万元，研究工作自2020年01月开始，2021年09月完成优化运行研究和试验，实验结果表明，项目所使用的算法能够准确检测出皮带跑偏、落煤筒落煤异常、汽泵油液漏油、汽泵阀体漏汽和机械运行声音异常等故障。在多次实验结果中，显示了项目方法在实际检测应用中表现出了优越的检测性能。二、应用场景及建设方案（一）技术路线本项目先后使用了基于传统计算机视觉的目标特征检测，yolov5目标识别，和机器学习实现噪音检测等多种技术路线。（二）创新点创新点1：提出了基于霍夫变换的皮带跑偏状态检测。通过对电厂发电设备运行状态分析，总结出人工巡检设备的弊端问题。以运行状态视频为数据源，通过霍夫算法和支持向量机结合的方式对设备运行状态自动化的分析和判别。进而采用MIL算法进行目标跟踪，而实现对皮带偏移的视频检测。创新点2：设计一种基于图像相似度的落煤异常检测方法。该方法首先使用图像边缘提取算法进行的实验对比分析，实验结果显示sobel算法的图像提取边缘噪声小，边缘清晰。然后，裁剪图像，对图像标准化处理后使用相似度算法对落煤运行状态分析；最后使用该检测方法用于电厂落煤现场检测，能有效检测落煤状态，检测准确率较高。创新点3：基于图像差值的汽泵房小机漏油和漏汽检测算法。通过灰度化、差值图像、OTSU阈值分割、Sobel算子、形态学图像处理和标记检测区域等处理，实现漏油识别。灰度化：灰度化的过程就是将每个像素点的RGB值统一成同一个值，灰度化后的图像将由三通道变为单通道，能够得到一些彩色图像不能获得的梯度信息；差值图像：将样本图像与监测图像做差，可以得到两幅图像的区别，通过进一步的分析，确定管道内是否存在油液；OTSU阈值分割：通过统计学的方法来选取一个阈值，使得这个阈值可以将前景色和背景色尽可能的分开；Sobel算子：使用Sobel算子检测水平边缘和垂直边缘的；形态学图像处理：从图像中提取对表达和描绘区域形状有意义的图像分量，获得边缘后，为获得油液区域具体位置，需要找到油液的轮廓；标记监测区域：将获得的油液轮廓通过矩形标记，并进行可视化操作。创新点4：提出一种基于单分类网络的离线检测方法。首先根据拾音器采集的声音信息，提取梅尔频率倒谱系数（MFCC）、梅尔频谱、短时能量、过零率等反映电机运行状况的特征；而后进行特征筛选，去除冗余特征，挑选出最优的特征子集送入单分类器，实现电机的异常监测。基于大数据分析的发电设备系统制定异常预警监测优化方案，大幅提升了问题处理的时效性及有效性，切实提高了发电设备对故障的预警能力，降低了发电设备故障率，减轻了人工巡检力度。（三）主要解决问题（关键技术）本项目针对输煤系统皮带跑偏、落煤筒落煤异常、汽泵房油管渗油漏油、汽泵房阀门漏汽、皮带电机减速机声音异常、汽泵房设备运行声音异常等难题，部署视频摄像头、声音采集装置等前端设备，利用人工智能图像识别算法和声音检测算法全程监测。关键技术1：该技术主要解决皮带跑偏的难题。采用视频摄像头依据人工巡检实际情况对输煤皮带运行过程全程检测并及时报警，能够有效提高输煤系统安全稳定运行，能够减少在该项巡检项目的人工投入。关键技术2：该技术主要解决落煤筒落煤异常的难题。采用sobel算子的图像边缘检测算法，然后结合结构相似度以及余弦相似度，对落煤状况实时检测，多次试验结果验证，本算法可以减少人工投入的同时，提高了设备运行可靠性。关键技术3：该技术主要解决机械设备运行声音异常识别的难题。度神经网络的单类分类模型的皮带电机、皮带减速机和气泵转动异常声音检测方法。从转动的声音信号中提取MFCC、梅尔谱特征、过零率、短时能量、色度频率、光谱对比度、音调空间等特征，利用所提取的声音特征训练深度单类分类模型SVDD，SVDD通过正常数据训练神经网络，该方法能够有效检测到异常声音且漏报率比较低，完全代替人在该区域、该项目的巡检作用。关键技术4：该技术主要解决汽泵房小机漏油和漏汽的难题。对视频图像提取HOG特征，对整个区域进行掩膜处理，从而仅提取目标区域的相关特征，最后通过DeepSVDD单分类器进行模型训练，从而判断目标区域是否发生异常。该算法在火力发电企业具有推广价值，在重要阀体位置部署蒸汽泄露算法、在重要油液管理位置部署漏油识别算法，可以及时发现蒸汽泄露和油液渗漏，降低损失。项目实施后，能够实时发现皮带跑偏、漏油、漏汽、落煤筒落煤异常等状况，在发现异常即推送报警信息，故障识别率达到95%以上。三、项目效果（一）项目效益（1）直接经济效益系统投入使用后，提高了输煤皮带跑偏的检测预警精度，及时识别气泵房油管漏油和阀体漏汽，对落煤筒落煤异常和气泵房声音异常检测都显示出了优越的性能，减少了皮带损坏的经济损失，减少了输煤系统异常造成的煤资源的浪费。（2）间接经济效益对设备的实时监测，辅助代替人工巡检，提高了设备缺陷发现效率，延长设备的使用寿命，减少设备维修成本；实现对输煤系统和气泵房的监控与识别报警，辅助人员进行管理，提高工作效率，降低了人力成本。（二）鉴定评价（暂无）项目通过专家评审、第三方鉴定，确认项目的应用效果、创新实践等的评价。（三）推广前景皮带跑偏、落煤筒落煤异常识别，作为完整的产品，可以部署于火力发电企业的输煤区域，算法识别的阈值可根据实际运行情况人为干预，具有识别率高、目标明确、应用范围广等特点；漏油、漏汽对于火力发电企业具