圖片來源：Perceptual Robotics

英國自動化風機檢測系統開發公司 Perceptual Robotics 與布里斯托大學（University of Bristol）共同宣佈在英國創新局（Innovate UK） 數據分析計畫中的成果。成果顯示，機器人和人工智慧（AI）在檢測風機故障的作業中，比進行相同檢測的技術人員提升 14％ 的準確度。

該計畫由 Perceptual Robotics、布里斯托大學，以及挪威船級社（DNV & Co）共同合作，內容為開發「全自動風機葉片表面瑕疵檢測」的數據處理程序，並將其納入風機檢測的流程中，用以分析所檢測到的葉片瑕疵。此研究以無人機自主收集檢測數據、圖像，並自動進行分析和處理，以提高檢測作業的品質和性能。

計畫的重點，是透過對數據系統進行不斷地驗證和鑑定，來展現檢測系統的能力。計畫團隊還致力於確保數據收集過程，能夠被確認與追蹤，並分析衡量成效的方式，以維持最高的準確性。該計畫的參與者表示：「雖然過往在檢測風機的過程中，會以自動化的方式進行影像拍攝，但是這是第一次，完全以自動化的方式分析、處理圖像。」

該計畫由布里斯托爾大學的視覺資訊實驗室（Visual Information Lab）利用同步定位和測繪（simultaneous localization and mapping，SLAM） 以及 3D 追蹤技術（3D tracking technology）創建「風機檢測圖像與瑕疵自動定位演算法」；由 Perceptual Robotics 公司進行無人機檢查，製造以人工智慧為基礎的瑕疵檢測模型，並在商業市場中，嘗試使用自動化流程；DNV 則負責提供檢驗方面的專業知識、鑑定所收集的數據、驗證人工智慧演算法的方法和效能。

圖片來源：DNV

無人機用於在離岸風場等難以到達的極端環境中進行資產檢查，可以收集豐富、廣泛的數據，包括高清影片、圖像、地理定位和感測數據，以提供有關風機結構的完整資訊，同時無需派遣人員前往這些地點。DNV 表示，目前的風機檢測數據處理，仍然是一個半自動化的過程。雖然可以自動搜集圖像，但仍需要仰賴專家對圖像進行視覺判斷。而這項研究，將解決對數據進行全自動處理的需求。

DNV 研發總監 Pierre C Sames 說：「全球已安裝的風機數量持續地增加，同時風機也被安裝在偏遠和惡劣環境之中。檢測時需要搜集的數據量，正迅速超出風機檢測技術人員的負擔許可。這項研究，正是透過開發演算法和流程自動化，來應對這樣的挑戰。」

Perceptual Robotics 執行長 Kostas Karachalios 說：「到目前為止，風機的營運商對全自動的檢測及人工檢測的能力差異可說是一無所知，因為缺乏兩者間比較的基準。我們已經證實了，將全自動葉片表面瑕疵檢測納入 Perceptual Robotics 的無人機系統 Dhalion 中，能增強目前風機檢查的速度與產能，大大降低了成本，提高了品質，並減少了安全風險。」

該計畫自 2021 年開始，原定為期兩年，而後三方的合作關係又延長了一年的時間。Perpetual Robotics 表示，DNV 參與此計畫延長的第三年，將協助合作夥伴能夠客觀地評估檢測系統和數據。此計畫前兩年的著重於離岸風機的檢測，而接下來的這一年，則會在陸上、海上，以及極端環境中驗證其成果。

新聞來源：offshoreWIND.biz、DNV