- 课程回放
- 无人机电力巡检现状与挑战
- 无人机电力巡检图像AI处理系统架构
- 经典行业应用案例分享
- NVIDIA GPU 在AI训练和推理加速中的优势
- 数据中心GPU集群建设方案架构
- 数据中心GPU集群的资源监控管理与调度
电力系统是国计民生的基础保障,任何一个环节出现问题,都可能造成不可估量的损失。为了保障电力系统的正常运转,电力巡检已经成为电力从业人员重要的日常工作之一。通常情况下电网设施分布环境相对复杂,甚至在一些艰苦的环境下,电力巡检人员还需要翻山越岭才能到达需要检查的地方,不仅耗时、耗力,而且工作效率也非常低,给人工巡检带来了很大的困难和安全挑战。
随着无人机和AI的发展不断成熟以及在不同行业的应用落地,基于无人机的新型电力巡检作业模式正在电力行业逐渐兴起,依靠无人机高空飞行、远距离、快速作业的能力,电力从业者可以大大提高巡检效率。
无人机电力巡检图像AI处理系统的工作流程通常包括三部分,即无人机自主飞行实现前端精细化图像采集、数据回传、后台数据处理。而如何保证无人机图像采集数据的有效性和后台数据处理的效率则是衡量无人机电力巡检系统性能的重要指标。
北京御航智能立足电网行业设备运检作业需求,聚焦人工智能、机器视觉核心技术,为电网用户提供无人机电力巡检相关的设备和技术支持服务。
在前端图像数据采集中,通过在无人机上搭载御航智能自主研发的“御视Brain”模块,可以在飞行过程中自动识别电网设施挂点、悬垂线夹、耐涨线夹、杆塔部件等,并实现精细化自主拍照,降低后台数据分析压力。
在后台,通过电力巡检图像缺陷AI识别系统,对无人机传回的图像数据进行缺陷分析、风险预警/研判、巡检大数据管理和数据挖掘等。并通过人工审核扩充缺陷样本数据,对算法模型进行迭代训练,不断提升系统的性能。
当然,深度学习算法的运行离不开高效的算力支持。在前端“御视Brain”模块中,御航智能利用NVIDIA边缘计算处理器Jetson TX2实现低功耗、精准的电网设施关键目标识别并进行精细化拍照;在后端,则通过NVIDIA DGX Station GPU工作站为图像缺陷AI识别系统提供强大的算力支持,为电力用户提供高质量服务。
4月2日晚7点,智东西公开课推出AI电力公开课NVIDIA专场之无人机电力巡检特别企划,由御航智能项目部经理高松鹤、NVIDIA高级系统架构师易成共同主讲,主题为《GPU加速无人机电力巡检图像识别效率》。其中:
御航智能项目部经理高松鹤将从无人机电力巡检现状与挑战出发,结合无人机电力巡检图像AI处理系统架构和典型应用案例为我们带来系统讲解;
NVIDIA高级系统架构师易成将从NVIDIA GPU在AI训练和推理中的优势、数据中心GPU集群的建设方案架构、计算资源的监控管理和调度等方面为我们带来深度讲解。