众所周知,深度学习技术可以称为人工智能的``基座'',在尚未开发的主要传统行业中也具有巨大潜力。 5月20日,由国家深度学习技术与应用工程实验室与百度共同主办的``WAVE SUMMIT''2020年深度学习开发者峰会举行。电网智能检查程序作为一个典型案例揭晓,向观众展示了如何在工业领域实施深度学习。
在峰会上,百度深度学习技术平台高级总监马彦军详细解释了登陆案例。百度视觉团队基于百度飞桨创建的解决方案,用于识别和分析传输线外隐患的准确率超过90%。它还实现了二级警报,可以充分保证电源安全。此外,在开发过程中发挥关键作用的模型压缩库PaddleSlim和端侧推理引擎Paddle Lite在同一天也迎来了新的升级和发布,从而进一步提高了性能和易用性。
手动检查传输线既费时又费力。
当谈到“电力老板”时,人们的第一印象是巨大的塔楼,耸立的电线杆和电线,一目了然。这些设备昼夜为中国的每个城市和乡村供电。随着城市化进程的推进和对家庭用电需求的增长,预计到2020年中国发电量将增长51%,达到2073吉瓦,输电线路总长度将超过159万公里,这是安全运行对中国电网的维护提出了很高的要求,其中重要的任务之一就是对输电线路的检查。
过去,电力检查通常依靠人工。该方法工作量大,劳动强度大。同时,工作效率低下,检查质量不同,经常受到恶劣天气等外部因素的影响。为了发现和补救。后来,相关公司尝试部署视觉监控和拍摄设备,结合人工检查,随着程序规模的扩大,有效地减少了工作人员的工作量和停电跳闸次数,但大多数设备的摄影间隔超过一半一个小时内,收集的时间仍然很长,并且对于短期隐患和对意外情况的可追溯性的预警不足。
换句话说,诸如时滞和缺乏预警之类的关键痛点没有得到根本解决。诸如火灾或工业机械损坏高压电网之类的问题仍将不可逆转地导致人员伤亡和电力消耗。
如果智能分析设备可以真正实现“智能化”,它可以自动识别电网设备周围的潜在安全隐患并主动进行报告。这些问题可以解决,但是如何实现这一需求?山东鑫通电子有限公司是一家致力于为电力和通信行业提供物联网解决方案的高科技企业。解决方案中存在某些技术瓶颈,因此他们将目光投向了前端深度学习技术。
百度飞桨的优点:高性能,重量轻,多种硬件,高扩展性
在比较了多种深度学习框架之后,山东新通终于选择了百度飞桨。经过两个小组的交流和讨论,他们一致认为现有智能分析设备存在的问题是准确性不足和分析时间长。因此,双方基于百度视觉技术,引入了用于飞行桨叶的模型压缩库PaddleSlim和端侧推理引擎Paddle Lite,最终创建了这套传输智能检测程序,该程序属于国家电网山东电力输电线路率先申请。
山东新通研究人员认为,该解决方案的核心在于算法模型,百度飞桨具有高性能,轻量化,多硬件,高扩展的优点。可以针对隐藏式动力传输模型定制和优化Paddle Lite。在低计算能力和低功耗的情况下,它仍然可以具有较高的推理性能。此外,该解决方案使用云端协作,可用于通过云样本更新和模型训练的迭代升级来进一步优化和适应识别算法的适用场景,不断提高识别准确性,并减少误报和误报。
Paddle Lite带来的识别精度大大提高。以起重机,塔式起重机和其他大型建筑机械的识别为例,百度Paddle Lite可以达到96%的识别精度,而传统的前端智能分析仅为80%。此外,使用Paddle Lite的该解决方案的功耗仅为0.4W。
深度学习可实现无人巡逻实时报警,实际巡查以确保生产和生活用电量
与旧版本的智能分析设备相比,新方案将视觉监控设备的拍照间隔从半小时缩短到了5分钟,实现了对图像端部边缘的智能分析,并且可以在五秒钟内识别出起重机,钢丝异物,烟花和塔式起重机,各种工程机械和其他安全隐患,分析准确率超过90%,模型尺寸减小了60%,整体功耗也减少了30%。最重要的是,从发现到报警的速度从几小时缩短到20秒。这样,电力工人可以及时做出反应,以免造成生产和生命损失。
该计划很快迎来了“实践检验”。今年3月8日,山东淄博郊区发生火灾,该郊区位于国家电网高压线下方。视觉监控设备首次拍摄了照片,并判断为潜在的安全隐患。它还同步到国家电网淄博供电公司输电区域的运行检查室。值班人员发出警报信息,值班人员立即申请紧急避险,并协调运输检查人员立即赶赴现场。一个多小时后,大火及时扑灭,避免了灾难,居民和工厂的发生。功耗未受影响。
开发人员认为,PaddleSlim(一种桨叶模型压缩库)和Paddle Lite(一种端侧推理引擎)解决了该模型难以在小型存储设备中运行并且应用程序识别效果良好的问题。单个拍摄图片的最快分析时间为3秒,而百度飞板提供的解决方案为1秒,特别是对于工程机械的识别。 ''目前,已经有超过65,000台设备连接到可视智能控制平台,以解决传输线的隐患,涵盖山东省17个城市的5,800多个传输线。预/报警图片。
PaddleSlim和Paddle Lite迎来了新的升级版本,飞行桨板降低了深度学习入门的门槛
桨叶在电力检查方向的应用是深度学习着陆行业的缩影,从中您还可以看到人工智能着陆行业所面临的困难:技术壁垒,复杂的模型选择,高计算能力要求和效果出乎意料的期望,困难的硬件和软件适配等。只有解决这些问题,才能实现真正的工业智能。
值得注意的是,在这种情况下非常有用的两个工具:模型压缩库PaddleSlim和端侧推理引擎Paddle Lite在峰会上也推出了新的升级版本。据了解,PaddleSlim已升级到1.0,功能更加完善,更接近实际的工业硬件环境。它为企业提供了模型的小型化解决方案,尤其是在图像分类,目标检测,语义分割和NLP语义理解方面。 Paddle Lite已升级到2.6版,从而进一步提高了易用性,并完全支持主流通用CPU和GPU,从而在性能上领先于主流机型。
这只是飞行螺旋桨在山顶上展示的亮点的一部分。当天,飞行螺旋桨开源深度学习平台宣布了7个新版本和23个主要升级版本,并显示了最新的成绩单:累计开发人员超过190万;服务公司已达84,000家;已发布模型的数量超过230,000。它是中国领先的开源深度学习平台,拥有最大的服务开发人员和最完善的功能。
但是,飞行螺旋桨的最大成就在于,它们为先进的深度学习技术为更多企业的智能转型提供了工具和推动力。正如百度首席技术官王海峰在峰会上所说的那样,飞行螺旋桨的新版本和重要升级,着眼于满足剧烈的工业智能需求和AI生产规模的快速增长,以大大提高螺旋桨的易用性,促进开发人员快速有效地实施AI应用程序和业务创新。将来,将会有更多的公司和开发商,如山东新通,将使用诸如飞行螺旋桨之类的人工智能平台来实现工业智能的新转折。