第四届中国国际风电复合材料高峰论坛（CWPC2018）于2018年3月30日上午在江苏省阜宁县天鹅湖大酒店隆重召开，来自海内外的200多个企业、600多余位风电行业、复材行业的精英参加了本届盛会。上午的开幕式结束之后，高峰论坛分别设置了新材料、新技术专场，设计运维优化专场，新产品发布会专场，技术工艺创新专场，产业链对话专场等多个专场，将呈现大量精彩内容。
南京天数信息科技有限公司智能制造事业部总经理颉彧在设计优化运维专场做了题为《AI赋能无人机—助力叶片巡检》的演讲。以下为演讲内容实录：
南京天数信息科技有限公司智能制造事业部总经理颉彧
今天我带来的议题是“AI赋能无人机—助力叶片巡检”。我来自南京天数，目前我们生产在一个AI充斥在我们生活的各个环节中，包括我们的微信的转文字等等之类的，实际上里面充斥着各种各样的技术。当然今天不是来讲无人驾驶的，AI这种工具怎么样能在我们制造业、风电行业起到一定的作用，大家都知道过去叶片的检验方式都是通过望远镜。在这个过程中南京天数开发了智能叶片识别系统，我们通过无人机拍摄的视频直接导入系统，直接把各种各样的损伤和详细的信息一次性全部做出来。
左边是我们的原始的视频拍摄到的数据，右边绿色的是我们发现的一些微笑的裂纹。我们是怎么做出来的呢？我们团队用了8个月时间对超过11万张的照片做了标注，这里面故障超过了1万5千张。
第一是叶片缺陷图片，包括缺陷的种类、大小以及具体的位置。我们是怎么做出来这么一个软件的工具，实际上我们分几个步骤。第一个步骤是缺陷的抓取，在这个环节中我们用了11种算法，搭建超过了150层的神经网络，实现第一步缺陷的抓取。但是我们都知道在视频过程中每一秒实际上有30帧的图像，所以这个过程中存在一些问题。我们使用一些技术来规避过拟合的现象，我们经过大量的调优发现这个模型在具体业务中有比较良好的表现。
第二步我们会对图像中具体的事务进行缺陷的聚类。
第三步就到了缺陷区域的标注，这个过程中我们也是经过了大量的尝试和学习，最终我们发现有类似的模型在这个过程中有绝佳的表现。大家都好奇你们用AI和无人机去看到底能达到怎么样的准确率？我们目前准确率达到了98%，而且还有大量潜在的微小的裂纹路。
我们对裂纹和剥落要提前发现，我们还有SVM分类算法，从而判断故障的类型。
接下来我们看一些比较实际的照片，我们目前对这些缺陷主要从三个维度，分别是裂纹剥落情况。这里都是机器学习的AI软件直接判断出来，直接生成的。这里面可以很明显地看到有两道裂纹，我们系列有自动把裂纹标注出来。底下的报告中还会出现裂纹的详细信息。
包括这张图片，我们看到的好像是一个很大的裂纹，但实际上只有10厘米，以望远镜和肉眼几乎不能发现这样的裂纹。我们的叶片的损坏往往是由这样的小的裂纹生长出来的。所以怎么样在非常微小的时候把缺陷源堵住，这样可以大大降低我们维护成本。我们往往发现叶片在损坏之后还会不断地接着去损坏。包括这里有一些其他的像剥落的图片。
前面是我们对于叶片的整个系统的大致介绍。现在我们实际上对整个的风机健康都提出了更高的要求。我们都希望在故障发生初期有潜在的过程中就发现故障，在低成本的时候解决它。在这个时候南京天数推出了一个系统，目前可以比较有效地预测故障。比如说通过SVM数据提前几天时间，提前7—8天发现一级轴承要出现损伤，这样可以大大降低故障维修的成本，包括可以做到发动机的大部件的故障运行。
我们用叶根和螺栓来举例，不可否认的是全行业每一个厂家都出现叶根螺栓断了，如果断了一两根是看不出来的，但是断得比较多会带来比较大的问题。我们通过整个对数据影响因子的筛选，包括结合一些行业内的专家知识，我们现在通过各种各样的神经网络算法，我们已经可以很明确、很准确地发现这个风机上的叶根螺栓是否已经断裂。包括我们前一段时间在主机厂的实践过程中，通过预警成功地发现螺栓断裂的案例，通过维修又恢复了正常，最后报警解除。
包括我们现在风机经常会出现所谓的性能劣化，往往我们的分析过程会有很多，比如说结冰等等。我们现在跟其中一个业主，通过一个巨大的决策数，每一条路上有超过20个AI的模型，最终通过算法归结到某一个问题上，这样我们才可能解决某一个后续的问题。
包括对部件问题搜集的预测，风机运行要20年，但是实际上过程中有各种各样的情况会导致风机的寿命会有损伤。我们都希望能看到一个风级，很清楚地了解到这个部件还能用三年或者多久，什么时间会出现比较重大的问题。现在随着AI技术的不断发展，我们目前在风电行业也积累了大量的实战的案例，可以帮助我们有效地解决风机各种各样的故障发生。
介绍了一些我们在这方面做了案例，南京天数主要是由硅谷回来的一群IT精英组建的团队，目前我们做算法的工程师已经超过150人的团队，如果大家想有更多的了解，可以跟我们联系。
（内容来自现场速记，未经本人审核）
手机浏览网
