无人机巡检AI监测系统技术剖析

无人机自动巡检为现场带来的安全可靠背后是离不开部署在服务器的 AI 应用云，也是给无人机赋能的重要环节。AI应用云采用自主智能识别算法，能够对无人机回传的电厂巡线 6K 超高清影像、红外热遥感影像数据进行实时 AI 图像识别，能够满足再发生设备异常、温度异常的同时进行第一时间报警并生成报告。

我们用常规的电厂案例来举例，在无人机常态化电厂巡检过程中，AI 应用云能够自动发现和辅助判定烟囱、钢铁、高压线路等生产厂区内主要构建筑物外形检测缺陷及风险、异常状态识别及异物检测，大大降低漏检率、误检率。同时，可在电厂建设期对电厂主要建筑质量和施工质量数据化并作出智能分析，在使用中综合电厂建设数据、实时传感数据和巡检数据，预警早期缺陷及风险；同时也大大降低艰苦恶劣高危环境下的人工现场作业频次和强度，大大降低建设和使用成本。

1 无人机烟囱冷却塔检测

利用机载可见光相机对产品烟囱冷却塔进行识别检测，烟囱冷却塔外侧悬停，首先使用广角镜头观看烟囱冷却塔整体情况，其次拉近镜头，查看具体位置情况。实时回传烟囱冷却塔整体情况，同时利用算法进行图像识别，快速准确判断烟囱冷却塔外墙完整情况、外墙健康程度，提升烟囱冷却塔检查的速度与准确性，消除泄漏隐患。

2、 无人机烟火智能识别

早期火灾的热物理现象主要有阴燃、火羽流和烟气等。阴燃阶段的特征是有烟但无明火产生，火羽流阶段的特征是有火焰产生同时产生大量的烟气。若能在阴燃阶段和火羽流早期阶段探测到火灾的发生并自动报警，同时启动联动系统灭火，则可以在避免火灾或将火灾危害降到最低。在厂区消防安全巡检过程中通过 AI烟火识别算法实时检测识别是否存在违规用火或发生火灾事故，准确检测早期火灾发生时的烟雾和明火区域，系统及时告警联动厂区消防安全负责人和专业灭火力量做出反应。

无人机在自动巡检过程中机载端实时采用 yolov5-tiny 算法模型目标检测，并将检测的结果及位置等信息以结构化数据进行上传，检测结果图片同步上传至管理后台。无人机实时回传视频到云端服务器，依靠强大的 GPU 算力，基于业界主流的目标检测模型 Yolov5 进行实时识别烟雾和火焰的发生，并将检测过程画面实时在前端页面呈现。

无人机检测到烟雾和火焰发生后，向控制台触发预警机制。预警信息及实时检测画面会结合事发地点的位置信息上报至指挥中心控制台。整个飞行检测过程全部实现自动化自主飞行、智能检测、AI识别，全程无需人工干预。

3、 无人机高压线路外形检测、异物检测

主要进行高压线路的外形识别，以及异物检测，发现异物后进行预警事件推送。

4、 无人机对主要建筑物外形检测、异物识别

利用机载可见光相机对主要建筑物进行识别检测，查看具体位置情况。实时回传整体情况，同时利用算法进行图像识别，快速准确判断主要建筑物外墙完整情况、外墙健康程度，消除泄漏隐患。