本文首次发表于 2021 年 6 月 8 日。
随着风电行业日趋成熟，叶片外部巡检市场持续扩大。要以合理成本获得维护决策与发电优化所需的洞察，自动化这项关键工作至关重要。扩博智能 认为，只有同时推进前端数据采集与后端数据分析的自动化，客户才能更深入、更及时、更可靠地了解资产状态。
使用 Clobotics IBIS™ 采集数据
目前，不少巡检服务商使用搭载相机的无人机采集数据：飞手在现场手动操控无人机绕风轮飞行并拍摄叶片。与传统目视巡检相比，这种方式已经在安全、成本和质量方面取得明显进步，但仍未充分发挥自动化的潜力。
图 1：IBIS™ 4.0 无人机专为风电场技术人员使用而设计。
扩博智能 用三年多时间持续研发 IBIS™ 巡检无人机。系统采用适合叶片巡检任务的相机、激光雷达、机载计算机和云台臂等组件，并针对风机叶片巡检进行了专门编程。这些投入为什么重要？
它使我们的无人机即服务（DaaS）模式成为可能。客户接受培训后，可以使用我们的设备自主开展巡检。系统把复杂的叶片巡检简化为高度自动化的操作。现场仍需操作人员负责异常情况与安全，但使用系统所需的专业操控门槛显著降低。自动飞行还可以减少操作疲劳，使团队在一天内巡检更多风机，并降低注意力下降引发错误的风险。
IBIS™ 的程序控制与附加传感器使其能够在保障安全的同时更靠近叶片，从而获得质量更高的图像。根据我们的经验，手动飞行无人机通常达到约 1 像素/毫米，最高约 1.5 像素/毫米；IBIS™ 的平均有效分辨率约为前者的两倍，最高可达到 3.5 像素/毫米。IBIS™ 还能实时规划航线，无需提前手动设置航点，并通过稳定、高质量的数据采集减少因数据不合格而重新巡检的情况。
使用 Clobotics IRIS™ 分析数据
在后端，一些系统可以托管图像，供客户自行浏览和标注；另一些服务则由专家代为复核数据并识别缺陷。
扩博智能 通过 IRIS™ 将自动化延伸到分析环节。机器学习模型会扫描全部巡检图像，自动定位、识别并归类缺陷和其他发现。
图 2：IRIS™ 机器学习分析引擎扫描整个叶片表面，并反馈裂纹、涂层缺陷、侵蚀、附加件缺失或损坏、后缘损伤等细致信息。
这些机器学习模型由经验丰富的叶片专家构建，并以数百万个经过专家复核的叶片缺陷样本进行训练。
使用机器学习的主要价值包括：
- 显著缩短结果交付时间；
- 以统一规则解读目视证据，提高不同项目之间的一致性；
- 降低人员疲劳或注意力下降造成遗漏的风险。
整体协同：为什么 1+1=3
将数据采集与分析作为一个完整系统设计，才能释放更高的效率与质量。分析系统只有准确了解采集系统将提供什么格式、什么质量的数据，端到端自动化才可能实现。
从启动巡检到收到缺陷报告，完整的自动化流程可以把叶片损伤概览的交付周期缩短到数分钟，最多数小时，而不是数天。
对于海上项目而言，动员成本高、可用天气窗口短，质量与速度都尤为重要。我们预计，这类一体化巡检服务将成为优先选择。随着行业发展，市场最终会普遍要求以合理成本获得同等水平的质量和交付速度。这正是 扩博智能 同时投资前端采集与后端分析自动化的原因。
Lennart Kuhlmeier 现任 扩博智能 首席叶片工程师。
