随着电子、资通讯与材料技术的快速发展，质量轻、效率高的无人机设备不断涌现，使得无人机能够在高空长航程下进行较为高效便捷的工作，特别在资通讯、人工智能和计算机视觉等新兴科技日益成熟的加持之下，无人机智慧巡检工作已日益普及，成为无人机应用类别中非常重要的一项，在巡检监测的应用领域里，无人机几乎可以完美应用于诸如风电、太阳能电厂等各行业。

图片来源 : shutterstock、达志影像

风机叶片运维重中之重

根据桑迪亚国家实验室（Sandia National Laboratories）指出，每年平均每200个风力机叶片就会有1个以上发生故障[1]，且随着风机逐渐朝深水域及大型化发展，叶片侵蚀及磨损程度将日益严重，风机叶片的检查成为离岸风电运维的重要项目。然而，提供运维服务的难度也因此日益升高，故风电运维产业须不断提升相关技术以因应此一趋势，从而无人化检修技术逐渐浮现，带动无人机检查及爬行器维修叶片的新兴检测技术发展。英国自动化风机检测系统开发公司Perceptual Robotics与布里斯托大学（University of Bristol）在一项检测风机叶片的研究计划中共同宣布，机器人和人工智能在检测风机故障的作业中，比进行相同检测的技术人员提升14％的准确度。而无人机这空中飞行的机器人用于在离岸风场等难以到达的极端环境中进行维运和检查，无需派遣人员前往即可收集到风机结构的完整信息，包括高清影片、图像、地理定位和感测数据等丰富的数据。以无人机自主收集检测数据、辨识图像，并搭载以人工智能为基础的瑕疵检测模型自动进行分析和处理，透过扫描叶片表面自动辨别和分类叶片损坏原因，可望实现叶片表面瑕疵全自动检测，以及满足全自动数据处理的需求。该项解决方案可分析风机叶片是否存在潜在的损坏并提供足够的检查数据，以便在任何必要的维修时做出更安全、更快速、更准确的决策。

无人机搭载AI为大势所趋

无人机进行自动巡检的现有技术中，自动巡检往往是透过提前规划巡检路径来实现，但是，由于风机为运动结构，每次停机的朝向都不一样，因此需要对风机进行重新建模，导致增加了巡检的工作量；另外，提前规划巡检路径或透过无人机搭载的相机进行叶片识别存在误差，导致无人机在自动巡检过程中容易出现巡检过程偏航的现象；其次，根据无人机采集的叶片图像，无法精确计算出叶片上某一缺陷的实际大小和实际位置，进而导致故障分析处理的难度较大。因此，近来开始有透过无人机结合计算机视觉和深度学习等人工智能相关技术，实现对风机叶片的自动巡检，以解决现有技术自动巡检路径误差较大的现象，以及无法精确的计算叶片缺陷的技术问题，从而对叶片损伤进行跟踪，便于检修工作安排，提高对风机叶片进行巡检的效率，并能够获取更多的叶片数据，降低严重问题发生的频次，以提升风场运行叶片的稳定性和安全性。

太阳能电厂维运痛点

太阳能电厂的太阳能板用于接收太阳能辐射，并将太阳能辐射转化为电能，因此太阳能电厂的太阳能板都是裸露在外，会由于灰尘、树叶、鸟粪、树枝和塑料袋等掉落在其上遮挡其阳光，使太阳能板的发电效率降低。为了保障太阳能板效率不降低，需要对太阳能电厂的太阳能板进行定期巡检，以发现太阳能板上的杂物，方便及时清理。其次，太阳能电厂为了尽可能的增大阳光接收面积，通常都会将太阳能电厂的面积建得非常巨大（单一个太阳能电厂至少50～60万片太阳能板），光靠人力检测每片太阳能板确实窒碍难行，即便抽样检测也无法看见落在样本以外的太阳能板的故障风险。

全检耗时费力、抽检不够精确，是太阳能电厂的两大维运痛点。随着无人机技术的发展和智慧电网建设的推进，基于视觉图像的太阳能电厂智能巡检系统，能够大幅缩减运维成本（人力、时间）。在已有的一些太阳能电厂智能巡检系统中，通常包含了巡检路径规划、无人机智能飞行、图像采集远距离图传、设备故障智能诊断、巡检报告生成等功能，开始实现从「手持设备巡检」到「无人机自动巡检」的转变，这时无人机巧扮智慧巡检小帮手，大幅提升电厂巡检效率。然而，如何充分地结合智慧化技术，成为下一阶段的发展方向。

AI赋能无人机   实现电厂智能巡检

为此导入一种基于机器学习的太阳能电厂无人机巡检方法和系统[2]，该方法如图1所示，其特征在于将空拍图片透过预处理得到训练样本集合；利用机器学习算法从训练样本中产生分类预测模型；对待处理的空拍图片利用该分类预测模型进行分类；判断待处理空拍图片的分类结果是否达到预期，以解决现有技术巡检效率低的问题，由空拍机进行全检，免于全检耗时费力、抽检不够精确的双重挑战。这方面亦有导入一种基于无人机图像的太阳能电厂智能巡检系统[3]，该系统包括无人机数据导入模块、巡检数据解析模块、深度学习算法模块、数字太阳能电厂模块、巡检结果管理模块和巡检回放模块（图2），利用深度学习算法处理无人机巡检所采集的红外光图像、可见光图像等多模态数据，实现太阳能板缺陷的精确检测及巡检效率。

图1：基于机器学习的太阳能电厂无人机巡检方法示意图

图片来源：作者自行绘制

图2：太阳能电厂智能巡检系统模块图

图片来源：作者自行绘制

美国专利US10546371B1涉及一种使用无人机的远程控制设备及一种无需接触结构即可检查结构的系统[4]。其中该远程控制设备包括声纳/超声波收发器、用于生成对应于结构的地理卷标的映像模块、红外相机、光达，并结合深度学习等人工智能技术，使其可应用于诸如太阳能电厂和风电厂的智能巡检。另，发表在国际期刊Procedia Computer Science且收录于机器人和智能制造国际研讨会（International Conference on Robotics and Smart Manufacturing, RoSMa2018）上之论文[5]，涉及一种借力无人机赋能太阳能电厂智能监控的技术，讨论了无人机在太阳能电厂中的作用以及利用无人机实现智能和自动化以进行主动监控和数据记录的范围。研究发现，识别技术、人工智能和机器学习可以赋能无人机，让大型太阳能电厂的监控变得更简单。论文中太阳能电厂远程监控如图3示意，而该远程监控的最新趋势包括使用无人机系统。

图3：太阳能电厂远程监控示意图

图片来源：Journal of Procedia Computer Science[6]

无人机智能服务平台打造电厂巡检智慧化

无人机应用于太阳能电厂巡检方面，已有国内业者以自有技术建立无人机智慧巡检云端平台，具备自动规划航线、设定相机参数、实时回传数据等功能，打造出智能巡检方案[7]。不管是哪一个厂牌的无人机，以应用程序编程接口（application programming interface，API）介接，并透过云端服务平台事先规划好飞行航线，例如根据航线绕行太阳能电厂并拍摄影像，将空拍照片或影像转化成诸如时间、空间、GPS坐标、对象的距离/面积/体积等可以量化的信息，来训练AI影像辨识模型，由AI自动检测太阳能板上是否有异常并标注起来，包含异常及该太阳能板坐标位置，以便能够快速找到有问题的太阳能板，并依据异常状况做后续维修处理。为了能够实时传输数据、提高检修作业效率，在无人机于天空航行时，使用者只要登入该无人机智能服务平台，就可以实时看到巡检数据，并排定维修计划，解决电厂维运上的痛点。如何充分地结合智慧化技术，对太阳能板组件进行精准定位，提高缺陷检测能力和巡检自动化、精细化程度，成为业者持续关注的方向。

备注：

好消息～北美智权报有微信公众号了！ 《北美智权报》内容涵盖世界各国的知识产权新闻、重要的侵权诉讼案例分析、法规解析，以及产业与技术新知等等。 立即关注北美智权微信公众号→ NAIP_IPServices ～欢迎读者分享与转发～

【本文论述仅为作者见解，不代表其任职单位之立场。】

作者： 芮嘉玮 现任： 台湾中技社能源暨产业研究中心组长 学历： 台湾清华大学 奈米工程与微系统研究所 博士 台湾中原大学 财经法律研究所 硕士 台湾科技大学 材料科学与工程研究所 硕士 经历： 台湾工研院技术移转与法律中心执行长室 台湾工研院电子与光电研究所专利副主委 光电产业知识产权经理 专长： 长期从事产业研究、专利知识产权与投资评估等工作，专注于能源、产业、环境、经济等议题。擅长创新技术策略分析、科技预测及评估、专利分析与布局、产业分析、知识产权管理与经营策略、专利的商业化与货币化。熟捻产业技术发展趋势，并常在各媒体平台发表文章、应邀演讲，成功引领技术前瞻与产业关键议题。