隨著電子、資通訊與材料技術的快速發展，品質輕、效率高的無人機設備不斷湧現，使得無人機能夠在高空長航程下進行較為高效便捷的工作，特別在資通訊、人工智慧和電腦視覺等新興科技日益成熟的加持之下，無人機智慧巡檢工作已日益普及，成為無人機應用類別中非常重要的一項，在巡檢監測的應用領域裡，無人機幾乎可以完美應用於諸如風電、太陽能電廠等各行業。

圖片來源 : shutterstock、達志影像

風機葉片運維重中之重

根據桑迪亞國家實驗室（Sandia National Laboratories）指出，每年平均每200個風力機葉片就會有1個以上發生故障[1]，且隨著風機逐漸朝深水域及大型化發展，葉片侵蝕及磨損程度將日益嚴重，風機葉片的檢查成為離岸風電運維的重要項目。然而，提供運維服務的難度也因此日益升高，故風電運維產業須不斷提升相關技術以因應此一趨勢，從而無人化檢修技術逐漸浮現，帶動無人機檢查及爬行器維修葉片的新興檢測技術發展。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）在一項檢測風機葉片的研究計畫中共同宣佈，機器人和人工智慧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。而無人機這空中飛行的機器人用於在離岸風場等難以到達的極端環境中進行維運和檢查，無需派遣人員前往即可收集到風機結構的完整資訊，包括高清影片、圖像、地理定位和感測數據等豐富的數據。以無人機自主收集檢測數據、辨識圖像，並搭載以人工智慧為基礎的瑕疵檢測模型自動進行分析和處理，透過掃描葉片表面自動辨別和分類葉片損壞原因，可望實現葉片表面瑕疵全自動檢測，以及滿足全自動數據處理的需求。該項解決方案可分析風機葉片是否存在潛在的損壞並提供足夠的檢查數據，以便在任何必要的維修時做出更安全、更快速、更準確的決策。

無人機搭載AI為大勢所趨

無人機進行自動巡檢的現有技術中，自動巡檢往往是透過提前規劃巡檢路徑來實現，但是，由於風機為運動結構，每次停機的朝向都不一樣，因此需要對風機進行重新建模，導致增加了巡檢的工作量；另外，提前規劃巡檢路徑或透過無人機搭載的相機進行葉片識別存在誤差，導致無人機在自動巡檢過程中容易出現巡檢過程偏航的現象；其次，根據無人機採集的葉片圖像，無法精確計算出葉片上某一缺陷的實際大小和實際位置，進而導致故障分析處理的難度較大。因此，近來開始有透過無人機結合電腦視覺和深度學習等人工智慧相關技術，實現對風機葉片的自動巡檢，以解決現有技術自動巡檢路徑誤差較大的現象，以及無法精確的計算葉片缺陷的技術問題，從而對葉片損傷進行跟蹤，便於檢修工作安排，提高對風機葉片進行巡檢的效率，並能夠獲取更多的葉片資料，降低嚴重問題發生的頻次，以提升風場運行葉片的穩定性和安全性。

太陽能電廠維運痛點

太陽能電廠的太陽能板用於接收太陽能輻射，並將太陽能輻射轉化為電能，因此太陽能電廠的太陽能板都是裸露在外，會由於灰塵、樹葉、鳥糞、樹枝和塑膠袋等掉落在其上遮擋其陽光，使太陽能板的發電效率降低。為了保障太陽能板效率不降低，需要對太陽能電廠的太陽能板進行定期巡檢，以發現太陽能板上的雜物，方便及時清理。其次，太陽能電廠為了盡可能的增大陽光接收面積，通常都會將太陽能電廠的面積建得非常巨大（單一個太陽能電廠至少50～60萬片太陽能板），光靠人力檢測每片太陽能板確實窒礙難行，即便抽樣檢測也無法看見落在樣本以外的太陽能板的故障風險。

全檢耗時費力、抽檢不夠精確，是太陽能電廠的兩大維運痛點。隨著無人機技術的發展和智慧電網建設的推進，基於視覺圖像的太陽能電廠智慧巡檢系統，能夠大幅縮減運維成本（人力、時間）。在已有的一些太陽能電廠智慧巡檢系統中，通常包含了巡檢路徑規劃、無人機智能飛行、圖像採集遠距離圖傳、設備故障智慧診斷、巡檢報告生成等功能，開始實現從「手持設備巡檢」到「無人機自動巡檢」的轉變，這時無人機巧扮智慧巡檢小幫手，大幅提升電廠巡檢效率。然而，如何充分地結合智慧化技術，成為下一階段的發展方向。

AI賦能無人機 實現電廠智能巡檢

為此導入一種基於機器學習的太陽能電廠無人機巡檢方法和系統[2]，該方法如圖1所示，其特徵在於將空拍圖片透過預處理得到訓練樣本集合；利用機器學習演算法從訓練樣本中產生分類預測模型；對待處理的空拍圖片利用該分類預測模型進行分類；判斷待處理空拍圖片的分類結果是否達到預期，以解決現有技術巡檢效率低的問題，由空拍機進行全檢，免於全檢耗時費力、抽檢不夠精確的雙重挑戰。這方面亦有導入一種基於無人機圖像的太陽能電廠智慧巡檢系統[3]，該系統包括無人機資料導入模組、巡檢資料解析模組、深度學習演算法模組、數位太陽能電廠模組、巡檢結果管理模組和巡檢回放模組（圖2），利用深度學習演算法處理無人機巡檢所採集的紅外光圖像、可見光圖像等多模態資料，實現太陽能板缺陷的精確檢測及巡檢效率。

圖1：基於機器學習的太陽能電廠無人機巡檢方法示意圖

圖片來源：作者自行繪製

圖2：太陽能電廠智慧巡檢系統模組圖

圖片來源：作者自行繪製

美國專利US10546371B1涉及一種使用無人機的遠程控制設備及一種無需接觸結構即可檢查結構的系統[4]。其中該遠程控制設備包括聲納/超聲波收發器、用於生成對應於結構的地理標籤的映射模組、紅外相機、光達，並結合深度學習等人工智慧技術，使其可應用於諸如太陽能電廠和風電廠的智能巡檢。另，發表在國際期刊Procedia Computer Science且收錄於機器人和智慧製造國際研討會（International Conference on Robotics and Smart Manufacturing, RoSMa2018）上之論文[5]，涉及一種借力無人機賦能太陽能電廠智能監控的技術，討論了無人機在太陽能電廠中的作用以及利用無人機實現智能和自動化以進行主動監控和數據記錄的範圍。研究發現，識別技術、人工智慧和機器學習可以賦能無人機，讓大型太陽能電廠的監控變得更簡單。論文中太陽能電廠遠程監控如圖3示意，而該遠程監控的最新趨勢包括使用無人機系統。

圖3：太陽能電廠遠程監控示意圖

圖片來源：Journal of Procedia Computer Science[6]

無人機智能服務平台打造電廠巡檢智慧化

無人機應用於太陽能電廠巡檢方面，已有國內業者以自有技術建立無人機智慧巡檢雲端平台，具備自動規劃航線、設定相機參數、即時回傳資料等功能，打造出智慧巡檢方案[7]。不管是哪一個廠牌的無人機，以應用程式介面（application programming interface，API）介接，並透過雲端服務平台事先規劃好飛行航線，例如根據航線繞行太陽能電廠並拍攝影像，將空拍照片或影像轉化成諸如時間、空間、GPS座標、物件的距離/面積/體積等可以量化的資訊，來訓練AI影像辨識模型，由AI自動檢測太陽能板上是否有異常並標註起來，包含異常及該太陽能板座標位置，以便能夠快速找到有問題的太陽能板，並依據異常狀況做後續維修處理。為了能夠即時傳輸數據、提高檢修作業效率，在無人機於天空航行時，使用者只要登入該無人機智能服務平台，就可以即時看到巡檢資料，並排定維修計劃，解決電廠維運上的痛點。如何充分地結合智慧化技術，對太陽能板元件進行精準定位，提高缺陷檢測能力和巡檢自動化、精細化程度，成為業者持續關注的方向。

備註：

【本文僅反映專家作者意見，不代表本報及其任職單位之立場。】

作者： 芮嘉瑋 現任： 中技社科技暨工程研究中心組長 學歷： 國立清華大學 奈米工程與微系統研究所 博士 中原大學 財經法律研究所 碩士 國立台灣科技大學 材料科學與工程研究所 碩士 經歷： 工研院技術移轉與法律中心執行長室 工研院電子與光電研究所專利副主委 光電產業智權經理 專長： 長期從事產業研究、專利智財與投資評估等工作，專注於能源、產業、環境、經濟等議題。擅長創新技術策略分析、科技預測及評估、專利分析與布局、產業分析、智慧財產權管理與經營策略、專利的商業化與貨幣化。熟捻產業技術發展趨勢，並常在各媒體平台發表文章、應邀演講，成功引領技術前瞻與產業關鍵議題。

Facebook 在北美智權報粉絲團上追踪我們