扩博智能风电服务推出 IRIS 平台「Insights 洞察」功能测试版，用于查看、标注和协同处理叶片目视巡检结果。
Insights 增加了更深入的分析层，帮助客户充分利用扩博智能 IBIS™ 系统采集的叶片目视巡检数据。初始版本聚焦前缘侵蚀，后续还将逐步支持其他缺陷类型。
扩博智能 IRIS™ 平台 Insights 功能主界面
从缺陷标注到完整侵蚀分析
传统叶片目视巡检通常使用与其他缺陷相同的多边形标注方式识别前缘侵蚀。但侵蚀并不是孤立出现的缺陷，扩博智能机器学习模型能够评估每支叶片整个前缘表面的侵蚀面积与程度。
分析结果通过以下方式呈现：
- 汇总的“前缘健康”评分，反映整个风电场的侵蚀健康状态；
- 单台风机“维修优先级”分类，从“立即维修”到“持续观察”；
- 每台风机相对于理论最大发电量的年发电量损失比例估算；
- 叠加在叶片巡检图像上的侵蚀范围与程度热力图。
IRIS 机器学习模型生成的侵蚀热力图
机器学习带来更深入的分析
Insights 能够完成过去依靠人工难以实际执行的分析，因为这类工作需要对大量图像进行深度、全面且精细的处理。
这项能力建立在扩博智能持续完善的机器学习模型之上。从公司首次开始分析目视巡检数据至该功能发布，相关实践已接近五年，覆盖超过 45,000 台风机。扩博智能希望进一步降低巡检分析的成本与交付时间，使分析结果最终无需大量人工质量复核，并成为风电场所有者管理资产的基础能力。
IRIS 对巡检图像进行深度学习分析，计算风机整体健康评分及年发电量损失估算。
详细的逐叶片分析被汇总为风电场整体健康状态与建议行动。
为什么首先发布测试版
Insights 以测试版形式发布主要有两个原因：
- 我们希望听取客户对 Insights 所呈现指标的意见，并了解如何进一步完善这些指标及其与 IRIS 其他分析功能的集成；
- 模型准确度尚未达到正式商业版本所要求的水平。
我们期待与现有及潜在客户共同交流平台的这一新能力。如需预约 IRIS 平台及 Insights 功能的完整演示，欢迎联系我们。
