人工智能AI 行业应用整体建设项目解决方案.docx
《人工智能AI 行业应用整体建设项目解决方案.docx》由会员分享，可在线阅读，更多相关《人工智能AI 行业应用整体建设项目解决方案.docx（13页珍藏版）》请在冰豆网上搜索。
人工智能AI行业应用整体建设项目解决方案
人工智能AI+行业应用
解决方案
2019年3月8日
第一章计算机视觉发展历程
计算机视觉的发展历史可以追溯到1966年，在这一年著名人工智能学家马文·明斯基给他的学生布置了一道作业，让学生在电脑前面连一个摄像头，然后想办法写一个程序，让计算机告诉我们摄像头看到了什么。
这道题代表了计算机视觉的全部，通过一个摄像头让机器告诉我们它到底看到了什么。
所以，1966年被认为是计算机视觉的起始年。
1970年代，研究者开始去试图解决这样一个问题，就是让计算机告知他到底看到了什么东西。
当时，大家认为要让计算机认知到底看到了什么，首先要了解人是怎样去理解这个世界的。
当时有一种普遍的认知，认为人之所以理解这个世界，是因为人看到的世界是立体的，能够从立体的形状里面理解世界。
在这种认知情况下，研究者希望先把三维结构从图像里面恢复出来，在此基础上再去做理解和判断。
1980年代，是人工智能发展的一个非常重要的阶段。
当时，在人工智能界开始做很多类似于现在的专家系统，计算机视觉的方法论也开始在这个阶段产生一些改变。
在这个阶段，人们发现要让计算机理解图像，不一定先要恢复物体的三维结构。
例如：
让计算机识别一个苹果，假设计算机事先知道对苹果的形状或其他特征，并且建立了这样一个先验知识库，那么计算机就可以将这样的先验知识和看到物体表征进行匹配。
如果能够匹配上，计算机就算识别或者理解了看到的物体。
所以，80年代出现了很多方法，包括几何以及代数的方法，将我们已知的物品转化成一些先验表征，然后和计算机看到的物品图像进行匹配。
90年代，人工智能界又出现了一次比较大的变革，也就是统计方法的出现。
在这个阶
段，经历了一些比较大的发展点，比如现在还广泛使用的局部特征。
随着90年代统计方法的流行，研究者找到了一种统计手段，能够刻画物品最本质的一些局部特征，比如：
要识别一辆卡车，通过形状、颜色、纹理，可能并不稳定，如果通过局部特征，即使视角、灯光变化了，也会非常稳定。
我们可以对物品建立一个局部特征索引，通过局部特征可以找到相似的物品。
通过这样一些局部点，可以让匹配更加精准。
到2000年左右，机器学习开始兴起。
以前需要通过一些规则、知识或者统计模型去识别图像所代表的物品是什么，但是机器学习的方法和以前完全不一样。
机器学习能够从我们给定的海量数据里面去自动归纳物品的特征，然后去识别它。
在这样一个时间点，计算机视觉界有几个非常有代表性的工作，比如：
人脸识别。
你要识别一个人脸，第一步需要从图片里面把待识别的人脸区域给提取出来，我们一般叫做人脸检测。
像在大家拍照的时候，会看到相机上有个小方框在闪，那其实是人脸识别必要的第一步工作，也就是人脸框的检测。
在以前，这是非常困难的工作，但是在2000年左右，出现了一种非常好的算法，它能够基于机器学习，非常快速的去检测人脸。
机器学习的出现是伴随着一个必要条件出现的。
在2000年左右，整个互联网的出现和爆发，产生了海量的数据，大规模数据集也相伴而生，这为通过机器学习的方法来做计算机视觉提供了很好的土壤。
在这期间，出现了大量学术官方的，针对不同领域评测的数据集。
其中比较有代表性的就是ImageNet。
这是由著名的斯坦福大学教授李飞飞发起的一个
项目，她通过众包的方式，大概标注1400万张图片，分了大概2万多个类别，这些类别包
罗万物，比如像动物，里边可能分为鸟类、鱼类等；植物，里面可能会分为树和花。
她的理想很宏大，就是希望提供这样一个数据集，为计算机视觉算法提供一个数据土壤，让未来的机器能够认识世界上的一切物品。
在2000年代，人工智能经历了一个快速发展期以后，整个人工智能在很多行业取得了非常好的应用，比如：
视觉之外有搜索引擎排序和计算广告等等，视觉领域人脸检测器也被用在了各种各样的相机里面。
到2010年代，进入了深度学习的年代。
深度学习从本质上给整个人工智能带来了一次革命。
在早期多层神经网络经历2000年左右的一个低谷后，2006年Hinton教授在《科学》发表了对于深层神经网络的训练方法，带来了深度学习的蓬勃发展。
深度学习出现以后，对各种各样的视觉识别任务的精度都进行了大幅度的提升。
以人脸来进行举例，在深度学习出现之前，一个普通的识别算法，如使用颜色、纹理、形状或者局部特征，可以将各种特征糅合在一起，对于人脸识别率最高也只能做到94%~95%。
在很多的实际系统，如人脸考勤，当时只能做到90%~92%的识别率。
深度学习出现以后，直接将精度提高到了99.5%上，将错误率降低了10倍。
深度学习的出现使得以前视觉方法不太实用的一些应用领域，基本上都可以通过深度学习的方法来获得一个良好的应用。
1.1当前计算机视觉技术的位置
从以上的发展历史可以看到，计算机视觉在深度学习技术引入之前，其局限性很多。
随着大数据和算力的爆发，深度学习技术得以引入计算机视觉领域，将计算机视觉技术推向一个前所未有的高度，计算机视觉技术才真正的被广泛使用在人们的生活中。
纵观计算机视觉技术的发展历程，可以看到，计算机视觉技术目前还处在一个早期阶段。
当下的技术仍然无法解决最初提出的关键问题——像人一样理解图像。
基于图像的认知技术，是计算机视觉技术的极大挑战。
人类可以定义图像中的物体，基于图像中的场景理解其中的物体，根据图像的上下文理解事件，这些能力当前的计算机视觉技术都还不能很好的实现。
计算机视觉今后的一个重要方向，是融合语义理解等技术，让计算机真正理解图像。
第二章变电站智能化监控
2.1项目背景
随着我国电网调度自动化的提高，变电站的无人值守运行是电力系统的发展趋势，由于目前变电站安装的各类辅助监控系统处于各自独立的工作状态，没有整合在一起协同工作，更没有实现“智能化”，同时存在以下问题：
1、缺失一套对所有辅助系统进行统一管理的平台，无法实现对视频安防设施、变电站内辅助设施的实时监控以及智能化管理；
2、变电站天气情况、站内环境及排水管网状况、高压室内六氟化硫、氧气浓度等重要信息无法实时掌握，且无历史记录，运行人员不能根据现场状况快速做出反应；
3、变电站内的风机、照明、空调目前都只能现场手动控制或独立实现自动控制，无法实现应急时的联动远程控制；
4、目前现有的辅助系统均未直接或间接参与现场安全生产管理工作，如及时发现变电站是否有外部人员入侵、纠正现场工作运维人员着装是否规范的智能化自动监控。
2.2解决方案
针对以上变电站目前所存在问题，建设一套基于人工智能的无人值守变电站智能辅助运维管理平台非常有必要。
本平台对原有视频安防系统进行升级，增加人工智能服务器自动识别检测变电站内是否存在外来人员入侵、对设备区运维人员标准穿戴进行自动检测，发现异常及时报警上传异常画面。
对变电站环境系统进行维护升级，增加变电站现场气象监测、高压室内部环境监测，同时增加水管道水位监测、故障油池水位与油位监测。
对变电站自动化控制系统进行维护升级，实现环境异常时自动排风，同时实现对照明、空调、风机的远程控制与状态反馈。
具体架构图如下：
2.3系统功能
1视频监控系统：
变电站内主要位置安装视频监控系统，同时搭载人工智能算法利用
机器视觉技术进行自动识别，检测变电站内是否有外来人员出侵，电力运维人员在运维过程中是否符合标准着装规范，如有异常自动报警并上传报警截图，运行人员可实时接收数据与报警信息。
减少运行人员工作量，节省人力成本。
2环境检测系统：
利用小型气象监测站对变电站风速风向、大气温湿度、大气压力、降雨量进行监测，为变电站运维工作提供有力的数据支撑，防止变电站因被淹而导致设备损坏，减少安全事故发生，保证变电站安全运行。
高压室内新增六氟化硫、温湿度、氧气传感器进行环境监测，实现环境异常自动排风，同时实现对照明、空调、风机的远程控制与状态反馈。
3排水监测系统：
对变电站内故障油池新增水油位监测装置，排水管道内水位监测装置，防止变电站排水主管网排水不畅、主变充氮灭火装置向事故油池微渗等情况出现时无法得知。
第三章电力隧道智能化监控
3.1项目背景
电力隧道监控领域目前尚处于初级阶段，不同隧道根据自身的需求和特点，配置一种或多种监控装置，每种装置各自独立完成单一的监控功能，相互间缺乏必要的协作，尚未建立起真正意义上的综合性电力隧道监控系统。
目前电力隧道主要存在问题有：
管理与运维人员无法实时把控隧道现场的情况，常用定期巡检方式，有隐患时不能及时发现与控制；电力隧道地处偏僻之地，一旦出现非法人员入侵进行破坏时，不能及时发现与告警；安装的视频监控摄像机数量很多，数据量太大且大部分为没有实用价值的数据，当问题出现后才进行历史数据查询，不能及时发现隐患；现场环境监控设备不能实现自动控制，大多设备通过手动实现，现场人员在巡检时的安全得不到保障；电缆在发生火灾时不能及时报警。
3.2解决方案
基于人工智能的电力隧道智能化运行平台，该平台分为环境监测、设备监控与控制、安全防范三个子系统。
环境监测系统主要针对隧道内危险气体、温湿度、液位等参数进行监测和报警，保证进入电力隧道运维人员的安全；设备监测与控制系统实现隧道内环境与集水井液位如有异常，联动风机与水泵控制单元，为电力隧道内设备营造一个健康的运行环境，保障设备安全运行。
安全防范系统系统具有视频监视与控制功能，能够对隧道内部环境、出入口、设备间等重要位置处实时全方位的图像监控。
视频监控系统除了具有数字化视频监控系统自身的视频采集、存储、报警、联动等基本功能外，还具有图像分析处理能力，对进入隧道的外来入侵人员自动识别，对隧道内运维人员着装是否规范进行自动检测，如有异常自动报警。
具体架构图如下：
3.3系统功能
本系统分别针对“巡、防、控”三个方面进行设计，主要分为：
1视频监控系统：
对出入口与主要位置安装视频监控系统，同时搭载人工智能算法利用机器视觉技术进行自动识别检测，检测隧道内是否有外来人员出侵，电力运维人员在运维过程中着装是否符合标准规范，线缆布放是否符合规范，如有异常系统自动报警并上传报警截图进行记录。
2环境与设备监控系统：
对电力隧道内重要位置安装甲烷、硫化氢、氧气、温湿度传感器进行监控，并在环境异常时自动控制风机开启。
对隧道集水井内安装水位传感器，水位超限时自动开启水泵，保障电力隧道的安全运行。
3火灾自动报警系统：
对隧道内主要位置安装感温、感烟传感器，发生火灾时自动报
警。
第四章电塔防破智能化监控
4.1项目背景
目前远距离电能传输主要采用架空输电线路，承担巨大的电能输送，架空输电线路的安全运行与电网的稳定密切相关，运维工作就显得尤为重要。
架空输电线路具有所处地理位置特殊、运行环境复杂、运维工作点多面广、涉及任务繁杂等特点。
现阶段架空输电线路主要存在以下几点问题：
传输距离长，人工排查难度大，且全段排查周期过长；对于某些影响电网安全不确定因素不能做到及时发现，例如无人机、风筝、大型机械工程车辆对输电线路造成的安全威胁，无法做到实时性；对非法偷盗等现象无法及时发现。
4.2解决方案
每个高压铁塔上分别安装3~4台视频采集装置，每套装置由摄像头、太阳能板、4G物联网传输设备、锂电池、控制器等设备组装成。
摄像头分别用于监控高空异物入侵（如无人机靠近、风筝或其他异物造成的线路异物附着）和地面危险因素辨识（如挖掘机、泵车、吊车等大型工程车辆对架空输电线路造成的威胁，外来人员入侵破坏线路）及运维人员着装检测等功能。
现场视频通过4G物联网传输设备传输至云存储服务器，控制中心的视频服务器利用机器视觉技术对云存储上的实时视频进行智能化分析。
针对不同的分析结果，系统自动选择将报警信息发布至相关人员微信公众号或现场语音报警器就地语音警示驱离，同时系统自动上传报警截图数据并记录，为后期辅助评估提供有力的数据支持。
具体架构图如下：
云存储服务器
4G无线传输设备
汇聚交换机
4G无线传输设备
汇聚交换机
核心交换机
监控中心-智能视频处理服务器
信号
网络
网络信号
网络信号
网络信号
4G无线网络传输
太阳能供电摄像机
太阳能供电摄像机
太阳能供电摄像机
太阳能供电摄像机
语音喊话报警器
手机微信公众号接收报警信息
4.3系统功能
1、外来人员入侵检测：
利用人工智能、多人跟踪、人脸识别等技术对进入监控区域人员进行识别监控，根据聚合图像通道特征准确检测人员的位置，利用人员相邻时刻联合概率数据关联特征进行实时跟踪，一旦发现有非法人员入侵，系统自动立即报警，从而保证电力高压铁塔和架空线路的运行安全。
2、高空作业车识别功能：
为了控制地面危险因素对架空输电线路的影响，对进入视频监控区的大型工程车辆进行主动识别，一旦靠近电力线路保护区对输电线路形成威胁，系统主动识别报警并通过现场语音喊话器对车辆进行驱离。
3、高空异物识别：
在架空输电线路电力保护区空域范围内，如出现无人机、风筝等异物闯入时，系统自动进行识别报警，并将报警信息推送给运行人员的微信，提醒人员快速做出反应，防止危险因素影响扩大。
4、运维检修人员着装检测：
运维人员进入高压电塔区域内后，通过机器视觉技术判断运维人员安全帽是否佩戴合格，工作服是否穿戴整齐，对于不规范着装立即自动识别并报警，同时系统自动记录。
第五章加油站智能化监控
5.1项目背景
随着我国汽车工业的迅速发展，各大生产厂家都将新建加油站作为抢占市场的法宝。
这造成了大量的加油站在市区主干道上，甚至有的加油站就在小区旁边。
虽然现在的加油站从技术上说是很安全的，但是加油站人员来往频繁，且人员素质参差不齐，这就造成了一定的安全隐患。
人员监管复杂，移动设备管理复杂，且现有技术的管理难度极大。
为了保障加油站的安全运行和来往人员的生命安全，建设一套能24小时对加油站进行监管的系统就显得尤为迫切。
5.2解决方案
根据行业特点，和每个加油站的不同配置，可以先让加油站工作人员整理出一套本加油站最合理的物品配置和人员管理要点。
前期安装摄像机，对所有需求的标准场景进行机器视觉训练，整理出一套符合安全生产的作业现场和现场信息数据库。
在出现规则不允许的情况时自动报警，将工作人员的作业强度将至最低。
5.3系统功能
1、固定物品监测功能：
对加油站内的所有固定物品进行数量和位置上的统计，当有异常情况时进行报警并记录相关信息。
固定物品包括但不限定于加油枪、加油设备主体、内灭火器、严禁烟火标识、灭火毯、消防沙等。
2、工序监测功能：
按照规定在加油过程工作人员应该紧握加油枪，不能在加油过程中离开，一旦工作人员离开现场语音提醒，并记录相关信息。
3、标准着装监测功能：
工作人员进入监控区域时，通过人工智能深度学习技术判断进入监控区域人员帽子是否佩戴合格；工作服是否穿戴整齐。
对于没有佩戴帽子的立即主动报警；未穿工作服进入进行工作的人员系统自动报警并记录。
4、人员行为监测功能：
对加油站出现的司机和乘客进行监测，一旦出现明令禁止的吸烟、使用明火等行为时，立即启动声光报警系统，提醒工作人员及时制止。
第六章配电室智能运维
6.1项目背景
随着用户对电力的依赖逐步加强，配电室的安全稳定运营显得尤为重要，现阶段的配电室无论是公变还是专变，都没有一套完整的系统平台将其统一管理起来。
这就有可能因为管理不善的原因造成配电室发生事故，现阶段的管理一般采用巡检制度，但是事故的发生是随时存在的，有些小问题因为处理不及时发展为事故，所以建设一套24小时能将配电室统一管理的平台尤为重要，这种需求是实实在在的。
6.2解决方案
对配电室的改造分为四个方面，一是环境监测标准化、二是设备监测标准化、三是人员管理标准化、四是标识标牌标准化。
通过这四方面的建设、通过平台可以24小时了解配电室的运行状况，再出现问题时第一时间获取信息，在根据问题类型做到实时解决。
6.3系统功能
1、环境监测功能：
对配电室内外环境温度、湿度、烟雾、电缆沟道水位、进行实时监测，为配电室内设备营造一个健康的运行环境同时为室外作业人员提供相应的施工环境指
标。
2、人员入侵识别功能：
通过在配电室内安装监控设备，利用人工智能对进入基站站的
人员进行识别监控，一旦发现有非法人员入侵、工服穿戴不标准，可以立即报警，从而预防非法、违规人员的不正当行为。
3、设备运行监测功能：
设备监测标准化包括10kV高压柜信息（负荷电流、电压、有功、无功、功率因数、频率、开关状态）进行采集、变压器温度信息采集、对低压配电进线柜及联络柜的电流、电压、功率、功率因数及电能等数据采集。
3、共享电工功能：
将异常情况上传至APP端，附近的电工可以根据自己安排进行抢单，极大的提升了电工工作积极性，提高抢修效率。
5、可扩展功能：
①固定物品识别功能：
根据用户需求，经过训练后可以对特定物品进行识别，保证用户需求方面的灵活性，从而使配电室可以更加人性化的运行。
②预留数据接入口：
考虑到后期高科技设备可能会介入，在平台建设时会留有一定的设备接入口，保证一套系统可以监控配电室的所有信息化产品。
第七章采油机智能化监控
7.1项目背景
石油是现代工业的血液，随着我国经济的迅猛发展，对石油的依赖显得越发严重。
我国是石油进口大国，也是石油生产大国，在西北和东北拥有大量的油田。
石油的采掘安全关系到我国经济的稳定发展，油田现阶段对采油机的管理主要依靠人员定期巡检，对人员的管理主要依靠传统的人员考核，这样对设备的运行情况不能实时了解，对人员的监管不能实时到位。
为了保证油田设备、人员的安全，建设一套能24小时对采油机工作状态进行监控的系统显得尤为迫切。
7.2解决方案
在采油机设备的各个重点监控部位加装摄像机，通讯方式采用工业级网桥通讯，专为极端环境设计，防潮、防水、防盐碱腐蚀。
可以采用点对点、点对多点方式组网。
数据回传至监控中心进行统一处理，当发现设备异常后进行存储，并通知现场设备管理人员进行查看。
在设备操作区域加装人员标准着装检测摄像机，对进入区域的人员进行监控。
7.3系统功能
1、现场人员监测功能：
对进入设备操作区的人员进行标准着装进行识别，当安全帽和工服有缺失时语音提示标准着装，当安全帽和工服全部缺失时提示非法人员入侵，语音提示立即离开，保证设备和人员的安全。
2、钢缆卷筒监测功能：
对钢缆卷筒进行检测，检测内容为钢缆在卷筒上是否整齐的排布，钢缆是否有断股、散股。
一旦出现异常立即提示设备管理人员，并将记录相关信息。
3、皮带轮皮带监测功能：
对皮带松紧程度进行检测，当出现皮带过松情况和断裂情况
时，立即提示设备管理人员，并将记录相关信息。
。
4、连杆测功能：
对连杆形状进行检测，一旦出现变形情况立即提示设备管理人员，并将记录相关信息，防止采油机侧翻。
5、尾轴测功能：
对尾轴形状进行检测，一旦出现变形、断裂情况立即提示设备管理人员，并将记录相关信息，防止尾轴脱落造成人员伤亡。
第八章输油管线
8.1项目背景
目前我国已经是石油使用第一大国，但是我国的石油资源分布及其不均衡，这就导致了有些地区的石油全部依靠运输，石油的运输现阶段只有管道运输这一种方式。
保障石油管道的安全运行时关乎国家民生的大事，具有战略意义，不能有一点的疏忽大意。
但是输
油管道从几十公里甚至到上千公里不等，如此之长的管线现阶段没有很好的监控方式，甚至有些地方存在偷油的现象，这使国家和人民蒙受了极大的经济损失。
为了输油管线的安全运行，建设一套能24小时对输油管线进行监控的系统显得尤为迫切。
8.2解决方案
在输油管道两侧5米划定预警检测范围，200米布置一个人工智能视频监控柱，采用大角度摄像机进行实时拍摄，摄像机工作电源为太阳能供电，其电池能保证72小时的阴雨天供电不受影响。
通讯方式采用工业级网桥，专为极端环境设计，防潮、防水、防盐碱腐蚀。
可以采用点对点、点对多点方式组网，可以满足10km、30km、80及150km等各种距离的无线通讯需求。
数据传回至监控基站统一处理，如果发现异常将通过人工智能视频监控柱的声光报警器进行干预，并将异常情况的多有信息回传至监控中心。
8.3系统功能
1、现场人员监测功能：
对输油管线两侧5米内停留一定时间的人员进行检测，如果发现身着便装系统判定为非法人员入侵，立即报警并记录相关信息。
2、管线外观监测功能：
对输油管线的外观进行实时监控，当出现异物附着、变形、甚至是有人私装设备，系统立即报警并记录相关信息。
。
3、漏油监测功能：
对管线周边环境进行监控，当管线漏油达到一定的量，与之前周边环境不同时，系统判定后会截取照片，提示工作人员人工比对，保证将故障第一时间排除。
4、可扩充监测功能：
针对不同的用户需求，可以增加识别内容，例如对周边土方识别，当旁边有施工时，土方进入识别范围内可以进行语音警告。
升级会员 