在實際運用中，輸電通道監(jiān)拍裝置和隱患辨識模型可以幫助排查線路設(shè)備隱患，但目前分析輸電通道監(jiān)拍信息、精準(zhǔn)研判是否存在隱患的能力還不足。天津電科院評價模型的運行效果，優(yōu)化升級模型，實現(xiàn)輸電通道隱患辨識能力進(jìn)一步提升。
國網(wǎng)天津電力人工智能實驗室成員討論模型優(yōu)化方案。 李浩然 攝
11月1日，在國網(wǎng)天津市電力公司人工智能實驗室，國網(wǎng)天津市電力公司電力科學(xué)研究院技術(shù)人員正開展輸電通道隱患辨識模型迭代測試。他們將根據(jù)測試結(jié)果選擇最終上線的迭代模型版本。
為充分發(fā)揮輸電通道隱患辨識模型作用，天津電科院建立樣本閉環(huán)管理機(jī)制，優(yōu)化升級算法模型，驗證隱患測距技術(shù)，建立了包含20余萬張高質(zhì)量隱患圖像的樣本庫，通過多輪訓(xùn)練優(yōu)化模型，將隱患辨識查準(zhǔn)率提高14個百分點、查全率提高2.6個百分點，減少了一線人員隱患排查工作量，用數(shù)字技術(shù)推動電網(wǎng)生產(chǎn)業(yè)務(wù)轉(zhuǎn)型升級。
聚焦一線業(yè)務(wù)需求 探索模型升級方向
近年來，隨著國內(nèi)輸電線路規(guī)模持續(xù)擴(kuò)大，線路運維使用的監(jiān)拍裝置數(shù)量和拍攝的巡檢圖像數(shù)量成幾何倍數(shù)增加。目前，國網(wǎng)天津電力累計安裝監(jiān)拍裝置1.4萬套，基于人工智能“兩庫一平臺”部署了輸電通道隱患辨識模型，模型日均調(diào)用量達(dá)120萬次。然而，該模型分析輸電通道監(jiān)拍信息、精準(zhǔn)研判是否存在隱患的能力還需進(jìn)一步提高。
7月，國網(wǎng)天津電力落實國家電網(wǎng)有限公司人工智能規(guī)?；瘧?yīng)用相關(guān)要求，提出從邊端采集、數(shù)據(jù)傳輸、模型優(yōu)化、系統(tǒng)應(yīng)用等方面入手，開展輸電通道監(jiān)拍規(guī)?；瘧?yīng)用專項攻堅。天津電科院依托國網(wǎng)天津電力人工智能實驗室組建攻關(guān)團(tuán)隊，優(yōu)化輸電通道隱患辨識模型。
“模型算法是人工智能規(guī)?；瘧?yīng)用的關(guān)鍵。”天津電科院電網(wǎng)技術(shù)中心副主任姚程說，“人工智能應(yīng)用要真正融入生產(chǎn)工作，被一線人員廣泛使用，必須具備較高的準(zhǔn)確性。”
攻關(guān)團(tuán)隊通過技術(shù)手段準(zhǔn)確評價模型的實際運行效果，推動模型能力提升和應(yīng)用深化，填補了天津電網(wǎng)人工智能模型質(zhì)量監(jiān)督的空白。天津電科院模型測試人員李浩然說：“要解決一線人員反映的模型誤報、漏報問題，就要找到模型到底在識別哪類隱患方面存在什么樣的問題，這樣才能使算法精準(zhǔn)聚焦業(yè)務(wù)需求，提升模型實用化水平。”
根據(jù)實地數(shù)據(jù)優(yōu)化模型 查全率查準(zhǔn)率顯著提升
高質(zhì)量測試數(shù)據(jù)集是精準(zhǔn)評價模型的基礎(chǔ)。攻關(guān)團(tuán)隊聯(lián)合生產(chǎn)運行單位開展輸電通道隱患排查需求調(diào)研，結(jié)合天津電網(wǎng)特點，確定了煙、火、導(dǎo)線異物、吊車、打樁機(jī)等10類重點線路通道隱患及具體標(biāo)注規(guī)則。在此基礎(chǔ)上，攻關(guān)團(tuán)隊通過分析以往易誤報信息，發(fā)現(xiàn)煙囪、防塵網(wǎng)、風(fēng)力發(fā)電機(jī)等7類物體易造成誤報情況，便將這些物體作為輔助目標(biāo)物，提升模型對易混淆目標(biāo)特征的提取能力。
攻關(guān)團(tuán)隊以監(jiān)拍終端設(shè)備全覆蓋、時間范圍全覆蓋、樣本類別均衡為原則，差異化制訂樣本抽取策略。他們按照統(tǒng)一標(biāo)注規(guī)則，開展監(jiān)拍圖像隱患數(shù)據(jù)標(biāo)注，建立包括人工標(biāo)注、交叉互審及兩輪抽樣復(fù)審的流程，保證了較高的樣本標(biāo)注質(zhì)量。最終，攻關(guān)團(tuán)隊建立了包含2.2萬張隱患圖片的測試數(shù)據(jù)集和包含6萬張隱患圖片的訓(xùn)練數(shù)據(jù)集。
攻關(guān)團(tuán)隊成員武藝博介紹：“如果把測試集比喻為考試試題，那訓(xùn)練集就是提供給模型的練習(xí)題。模型通過在訓(xùn)練集上開展模擬訓(xùn)練，獲得監(jiān)拍圖像隱患特征知識。如果模型能在測試集上得到理想的分?jǐn)?shù)，就能證明模型的特征知識是正確的，具備了泛化推理的能力。”
在模型測試工作中，攻關(guān)團(tuán)隊借鑒國際大型計算機(jī)視覺競賽規(guī)則制訂測試流程、指標(biāo)，保障測試過程的權(quán)威性。“查準(zhǔn)率、查全率、F1分?jǐn)?shù)是模型評價的常用指標(biāo)。此外，我們還引入了國際知名賽事和學(xué)術(shù)研究中常用的評價指標(biāo)——平均精度均值，便于后續(xù)對標(biāo)先進(jìn)算法開展對比驗證。”李浩然說。
攻關(guān)團(tuán)隊在模型歷次迭代后開展測試，結(jié)果表明，應(yīng)用天津電網(wǎng)實地數(shù)據(jù)開展微調(diào)，模型總體查全率、查準(zhǔn)率顯著提升，尤其是煙、火、導(dǎo)線異物3類隱患查準(zhǔn)率提升20個百分點以上。
打磨測試方法和程序腳本 建立穩(wěn)定高效的測試流程
目前，輸電通道監(jiān)拍規(guī)?；瘧?yīng)用專項攻堅已進(jìn)入沖刺階段。在國網(wǎng)天津電力人工智能實驗室，負(fù)責(zé)開發(fā)、測試、標(biāo)注等任務(wù)的攻關(guān)團(tuán)隊成員緊密配合，有序推進(jìn)模型上線準(zhǔn)備工作。
攻關(guān)團(tuán)隊逐步建立了涵蓋用戶反饋、樣本歸集、樣本篩選、樣本標(biāo)注、樣本審核的數(shù)據(jù)集構(gòu)建和樣本閉環(huán)管理機(jī)制，具備了目標(biāo)檢測類機(jī)器學(xué)習(xí)任務(wù)數(shù)據(jù)標(biāo)注能力，可支撐輸電通道監(jiān)拍等重點場景常態(tài)化樣本收集。同時，通過多輪測試和結(jié)果反饋，攻關(guān)團(tuán)隊不斷打磨測試方法和程序腳本，逐漸建立了穩(wěn)定高效的測試流程，具備了目標(biāo)檢測類人工智能模型功能測試能力。
“用科技服務(wù)生產(chǎn)是我們的出發(fā)點，也是落腳點。”姚程說，“我們將依托專項攻堅成果，探索驗證圖像壓縮、三維點云測距、視覺大模型等新技術(shù)應(yīng)用成效，不斷提升支撐服務(wù)能力，推動人工智能技術(shù)在變壓器早期絕緣問題辨識、油色譜在線監(jiān)測裝置異常分析等場景中應(yīng)用，服務(wù)電網(wǎng)生產(chǎn)一線。”(張揚)
評論