一、方案介绍

1、 背景与难题：

当前，大多数发电厂房普遍存在地质条件和厂房环境复杂、现有常规传感器无法全面感知设备等异常情况，仍依赖大量人力到现场巡视检查。由于人工巡维无法做到全范围、全时段覆盖的要求，近年来国内外发生多起因隐患未及时发现而导致的安全生产事故。因此，亟需发展智能技术驱动的新质生产力，通过“机器代人”方式解决日益凸显的人力资源短缺问题。针对发电厂房设备种类多、场景复杂的特点，通过研发面向复杂设备的机器视听智能感知巡维技术，实现对发电厂房设备的准确检测以及故障定位。

2、 技术路线：

机器视听主站是一个基于人工智能、深度学习、云存储、物联网平台等先进技术构建的综合业务巡检平台。主要由几个关键模块组成：机器视觉、机器听觉和样本库管理。其中机器视觉算法模块基于目标检测技术，设计用于检测各类异常情况，如杂物、漏水、漏油、火焰、黑烟雾、白烟雾、刀闸开关和柜门开关，还支持识别指示灯、读取表计数据，并检测摄像头画面的模糊程度，从而实现多任务的告警推送。机器听觉算法模块采用无监督深度学习声音处理算法，该模块能够分析多路音频数据，通过对声音数据深入的特征分析，算法模块能够提供实时的声音异常推送。样本库管理模块专注于数据的存储和管理，通过高效的数据管理方式，确保了数据安全性和易访问性，样本库管理还支持数据业务标注，为机器学习和深度学习算法逐步积累优化训练数据。

数据传输链路图

二、产品功能分析

1.机器视觉算法模块

(1)摄像头管理：用于查看及操控摄像头，用户可通过搜索需要的摄像头或选择自定义的摄像头组合，查看实时监控视频，支持操控摄像头进行转动、缩放、截屏等操作。

(2)摄像头异常监测：用于查看最近发生离线、模糊的摄像头及近一个月异常次数，可以通过设备名称、异常类型、异常时间进行检索。

(3)视觉测点管理：视觉测点的定义为【摄像头-预置位-区域-算法】，用于检测目标和识别物体的特定区域，并给区域进行定制化算法配置。用户可通过调整摄像头视角设置预置位并关联台账设备与空间位置，同一预置位下可通过框选预置位截图设置多个区域，并给每个区域配置不同的算法，支持对不同测点设置不同的检测频率。

(4)视觉算法矩阵配置：通过表格形式对已配置的测点进行展示，可以对算法进行集中配置，支持批量导入导出。

(5)视觉算法识别结果：用于展示最新的识别结果信息，默认展示有异常的识别结果，也可查看所有识别结果，并支持通过多种查询条件进行筛选回溯。

2.机器听觉算法模块

(1)听觉首页：该页面主要展示重要统计数据、实时识别结果、拾音器状态列表、设备声音健康度等信息。

(2)拾音器管理：可通过搜索需要的拾音器，管理声音监测目录树，选择自定义的拾音器组合，查看实时波形图频。

(3)拾音器异常监测：可查看最近发生离线、在线的拾音器及近一个月异常次数，支持通过听觉测点名称、拾音器名称、拾音器类型、状态进行检索。

(4)听觉测点管理：将听觉测点与拾音器、台账设备、空间位置进行关联，查看各测点的历史音频并进行音频分析，本系统中一个听觉测点对应一个拾音器。

(5)听觉算法识别结果：用于展示最新的识别结果信息，根据识别结果类型分为多个页面，默认展示有异常的识别结果，也可查看所有识别结果，并支持通过多种查询条件进行筛选回溯。

三、成功案例

本方案适用于所有发电厂房，包括抽水蓄能电厂、燃机电厂等，该解决方案已被多个发电厂进行推广覆盖应用，用户反馈产品效能良好。

1、深蓄抽水蓄能电厂识别效果

2、东莞华能燃机电厂识别效果