行业痛点
-
人力成本高
传统视频监控的点位新建 、使用维护 、后期维保等都需要投入大量的人力 ，增加系统成本投入 -
巡检效率低
光伏电站一般规模较大 ，巡检员手持红外热成像仪逐个组件进行故障排查 ，需要消耗大量的时间和精力 ，针对性不强 ，真正有隐患的地方没有得到及时解决 -
人工识别难
异常情况的判断主要依赖人工现场研判 ，并且受限于固定点位监测到的视野 ，容易出现监测死角 ，可能导致产生漏报
算法方案
-
光伏板缺陷识别
无人机搭载双光相机采集图像/视频 ，光伏板缺陷识别算法自动识别光伏板上的单点斑 、多点斑及条纹斑三种热斑及各类污迹 、遮挡 、裂纹等 ，准确定位并支持将缺陷位置信息发送至监控调度中心 -
多种算法组合
算法自动识别人员是否规范穿着工服 、佩戴安全帽 ，是否有抽烟 、踩踏光伏板等违规行为并发出告警信息 ，可联动声光设备现场警示；算法自动识别烟雾 、火焰等特殊情况并自动告警 ，告警信息可推送各类办公平台及短信 、电话通道 ，提醒管理人员及时处理 -
异常追溯
基于光伏电站数字模型及预留图像和视频 ，算法可智能比对识别河流 、道路 、树木等异常环境变化 ，追溯异常时间 ，输出缺陷报告
常见问题
-
算法怎么使用
算法支持本地服务器/边缘端/云服务器等部署方式 ，边缘端部署可兼容华为昇腾/算能/瑞芯微/英特尔等边缘计算盒子 ，开箱即用 -
算法怎么收费
算法交付方式灵活 ，可根据实际需求情况和规模进行评估 ，主要有按路数授权/服务器授权/年包授权 -
算法对无人机有什么要求
支持无人机利旧使用 ，RTSP/RTMP/GB28181等视频流接入 ，节省改造成本 -
算法如何定制
根据实际需求评估 ，通常单场景需要2000-5000张左右图片样本 ，定制流程 ：方案设计→数据采集→数据标注→算法开发→算法测试→算法迭代 -
算法效果如何
平均准确率≥90% ，采用深度学习技术可持续迭代提升效果 ，平均每个算法有500+个细分场景 ，每个场景500-800张/段精准标注数据 ，从数据源头保障算法质量 -
是否支持国产化部署
已与华为昇腾/天数/登临等10余家国产芯片厂商完成适配 ，兼容国产CPU/GPU/NPU高质量满足项目信创要求
