电力行业
Electric power industry
AIPRO通道可视化隐患识别软件系统
国网可视化系统运行至今，已累计通道图片3亿张，其中含有典型隐患的图片达到100万余张，结合多年运行经验和现场实际需求，将通道隐患分为销钉、吊车、塔吊、施工机械、导线异物和烟火等六大类二十一小类别。
优点
?国内独立自主研发的AI通道隐患识别软件；
?来自业内资深研发团队的呕心之作；
?针对不同省市可定制功能模块；
?任意修改当前的大类标准，支持中文；
?当前支持六大类，二十一小类的隐患识别功能，后期可根据需要进行定制扩展。对于二十一小类可根据需要勾选；
?界面上以图表方式显示出当前识别的类别比例；
?可以WORD或PDF格式输出完整的测试报告；
?支持图片批量高速导入，单张图片平均测试时间在150ms；
?当前的工作集中在电网检测领域，同时支持铁塔等其它应用场景的需求。
技术参数
1) AIPRO功能模块识别准确率
|
类别 |
训练集（基数） |
测试集（基数） |
测试集 （漏检基数） |
准确率（%） |
| 吊车 | 10792 | 1004 | 19 | 98.10 |
| 塔吊 | 6502 | 1842 | 16 | 99.13 |
| 施工机械 | 8534 | 1264 | 57 | 95.50 |
| 导线异物 | 7720 | 1299 | 59 | 95.46 |
| 烟火 | 756 | 116 | 5 | 95.69 |
注：基数：标注类别图像框（例：16000张电网图像中有10792辆吊车）
准确率＝100%－（测试集漏检基数/测试集基数）
2) AIPRO功能模块误检率与漏检率
|
单位 |
测试图像 |
误检图像 | 误检率(%) |
| 张 | 2500 | 90 | 3.60 |
|
单位 |
测试图像 |
误检图像 | 漏检率(%) |
| 张 | 2500 | 17 | 0.68 |
注：误检率：OK的图像检测到一项或多项类别；
漏检率：NG的图像没有检测到任何类别。
3) 分析说明
从后台识别总体的漏检率、误检率、准确率来看，漏检率控制在0.68%以内，误检率控制在3.60%以内，准确率达到95%以上，验证结果符合当前客户预期。
测试电网2500张图像中，其中误检图像90张，因为是按照纹理来检测的，所以大部分都是将树枝检测成了吊车，河水的反光被检测成了导线异物（反光膜）；
漏检图像17张，其中有11张是导线异物（鸟巢）未检测出来，因为鸟巢测试数据量只有74张，测试数据量过少，而且图像特征不完整，电塔有明显遮挡。
应用场景
?电力：输电线路、变电站等上面的隐患识别；
?农业：植物生长观测。
