电力设备巡检人工智能解决方案
背景介绍电力设备智能巡检是指运用人工智能技术识别及分析现场的电力设备图片，帮助工作人员检测设备故障。为了保证输配电线路的安全和电力系统稳定，达到电力系统“安全、经济、多供、少损”的运行目标，通常要求巡检人员对变电站和线路设备进行定时或不定时巡视，并对设备的运行状况、运行参数进行记录存档，发现设备缺陷和安全隐患。
目前传统的电力电缆隧道、变电站、输电线路、开闭所等巡检方法，主要依靠人工及少量环境监控器实现。但是由于工作量大，人工无法满足发展需求，另外也存在着人为因素多、管理成本高、无法准确考核巡检人员的工作状态、精确度不高等明显缺陷。
电力设备巡检行业的人工智能实现流程大致为：（1）待检测设备样本数据准备、打标签模型搭建及训练调试大规模数据的训练、验证得到深度学习网络模型，最终输出深度学习模型。（2）前端人工智能模型的预测应用流程为：前端设备的图像信息采集输入根据图像处理场景产生标签化结构化数据深度学习模型识别、检测得到结果反馈报警等信息。
解决方案介绍提供电力设备巡检端到端人工智能解决方案。如下图所示，实现如下三个功能。
（1） 样本数据准备。由于变电站数据获取相对困难，浪潮通过与第三方公司合作，研发样本数据三维建模+背景合成技术，能够快速生成仿真模拟数据库；并开发自动打标签程序，能让机器自动生成样本标签；另外由于是自主建模，所以能进行全方位角度、各尺寸形变的数据增强，快速高效的形成训练样本数据集。
（2） 模型训练。模型训练GPU集群（配置单机8卡GPU服务器，如NF5288M5）将读取训练样本库数据从并行存储中，并加载CNN模型，运行深度学习框架，如TensorFlow，Caffe等对初始模型进行训练，经过对大量数据样本的学习训练生成最终模型。训练中涉及多个训练任务的提交，其资源管理、调度、监控将由统一管理平台AIStation完成。
（3） 模型应用。电站工作人员通过操控无人机、巡检机器人或固定摄像头等，采集各类设备图片数据，采集数据传输到电站工作室部署的电力辅助检测服务器P8000（台式服务器，配置多块P4 GPU或FPGA卡），训练好模型将被加载到P8000上，P8000对其进行识别，快速实现智能化诊断。
