在电力行业巡检工作中,传统人工巡检存在效率低、风险高、成本大等问题,且难以对复杂地形、高危区域进行全面检测。国核院无人机飞控平台应运而生,其业务亮点在于整合无人机机巢管理、无人机管理、AI 识别缺陷、航线管理等功能,实现巡检自动化、智能化,提高巡检效率与准确性,降低人力成本与安全风险,为电力设施安全稳定运行提供有力保障。立项旨在解决传统巡检的弊端,提升电力巡检的整体水平与质量。
(一)具体功能模块及实现功能
无人机机巢管理:实现机巢的远程监控、自动充电、维护提醒等功能,确保无人机随时处于可用状态,提高无人机的使用效率和使用寿命。
无人机管理:涵盖无人机注册、状态监测、飞行数据记录等,方便管理人员对无人机资产进行统一管理和调度,实时掌握无人机运行情况。
无人机 AI 识别缺陷:利用 AI 图像识别技术,对无人机巡检拍摄的图像进行分析,快速准确识别电力设施的缺陷,如线路破损、设备老化等,减少人工识别的误差和时间成本。
航线管理:支持航线规划、编辑、导入导出等功能,根据不同的巡检需求制定最优航线,确保巡检覆盖全面且高效。
(二)主要功能路径
用户登录系统后,可进入无人机管理模块查看无人机状态并进行调度。在航线管理模块中,根据巡检区域特点规划航线,将航线任务分配给指定无人机。无人机从机巢自动起飞执行巡检任务,飞行过程中实时回传数据至平台,机巢管理模块同步监控无人机电量、状态等信息,保障飞行安全。巡检完成后,无人机 AI 识别缺陷模块对采集的图像进行分析,生成缺陷报告,供用户查看和处理,形成完整的无人机巡检闭环管理流程。
(一)项目角色、参与人数、开发周期及个人任务
项目团队包含项目经理 1 人、 产品经理 1 人、架构师 1 人、后端开发 2 人、前端开发 2 人、测试人员 1 人,开发周期为 3 个月。
(二)技术栈、架构、实现亮点与难点
技术栈采用 Spring Boot 构建后端服务,Vue.js 开发前端页面,数据库使用 MySQL 存储业务数据,Redis 缓存热点数据。架构上采用微服务架构,将各功能模块拆分为独立服务,提高系统的可扩展性和稳定性。实现亮点在于通过 AI 算法优化图像识别精度,采用分布式任务调度实现航线高效执行;难点在于无人机与平台的实时数据传输稳定性保障,以及 AI 模型在复杂环境下的缺陷识别准确率提升,项目团队通过多次测试与优化,最终较好地解决了这些问题 。