Das Aufsprühen von RTV Anti-Pollution Flashover-Farbe auf die Oberfläche von Geräten ist eine wichtige Maßnahme, um einen Verschmutzungs-Flashover von Stromanlagen in Küstengebieten und stark verschmutzten Gebieten zu verhindern. Die Beherrschung des Spritzstatus von RTV-Beschichtungen für Isolatoren von Freileitungen ist die Grundlage für die Untersuchung und Behandlung von Überschlagsgefahren durch Geräteverschmutzung.
„Früher wurden bei der Untersuchung der Gefahren von Verschmutzungsüberschlägen normalerweise Hauptbuchdaten und historische Dateien konsultiert, und es war schwierig, die tatsächliche Situation vor Ort zu erfassen. Es dauerte viel Zeit, eine Standort-für-Basis-Inspektion durchzuführen. " Wu Wenbin, Direktor des Maschineninspektionsbetriebsraums des Fujian Electric Power Research Institute, stellte sich vor. , „Es ist eine effektive Methode, die RTV-Beschichtung durch Drohneninspektion zu inspizieren, aber die Beobachtung mit bloßem Auge ist ineffizient und der Arbeitsaufwand ist groß.“
Als Reaktion auf die oben genannten Probleme stellten der Maschinenpatrouillen-Operationsraum und der Energieübertragungs-Technologieraum des Fujian Electric Power Research Institute ein flexibles Forschungsteam zusammen und entwickelten innerhalb von 4 Monaten ein Erkennungsmodul für künstliche Intelligenz für die RTV-Beschichtung von Freileitungsisolatoren.
Schätzungen zufolge dauert es 5{8}}0 Arbeitsstunden, um mehr als 60.000 Isolator-Bilddaten vor Ort manuell zu identifizieren und die Kennzeichnung und Aufzeichnung abzuschließen, d. h. 2 Mitarbeiter verarbeiten 8 Stunden pro Tag, was 31 Tage dauert. Die Verarbeitungsgeschwindigkeit der künstlichen Intelligenzerkennung ist schnell und die Genauigkeitsrate ist hoch. Unter Berücksichtigung von Faktoren wie dem Laden von Bilddaten beträgt die durchschnittliche Zeit, die für jede Bilderkennung aufgewendet wird, nur 0,5 Sekunden, was etwa 50-mal effizienter ist als die manuelle Erkennung. Diese Identifizierungsarbeit mit künstlicher Intelligenz kann allein an Arbeitszeitkosten mehr als 60 000 Yuan einsparen.