在實際運用中，輸電通道監拍裝置和隱患辨識模型可以幫助排查線路設備隱患，但目前分析輸電通道監拍信息、精準研判是否存在隱患的能力還不足。天津電科院評價模型的運行效果，優化升級模型，實現輸電通道隱患辨識能力進一步提升。

國網天津電力人工智能實驗室成員討論模型優化方案。 李浩然 攝

　　11月1日，在國網天津市電力公司人工智能實驗室，國網天津市電力公司電力科學研究院技術人員正開展輸電通道隱患辨識模型迭代測試。他們將根據測試結果選擇最終上線的迭代模型版本。

　　為充分發揮輸電通道隱患辨識模型作用，天津電科院建立樣本閉環管理機制，優化升級算法模型，驗證隱患測距技術，建立了包含20余萬張高質量隱患圖像的樣本庫，通過多輪訓練優化模型，將隱患辨識查準率提高14個百分點、查全率提高2.6個百分點，減少了一線人員隱患排查工作量，用數字技術推動電網生產業務轉型升級。

　　聚焦一線業務需求　探索模型升級方向

　　近年來，隨著國內輸電線路規模持續擴大，線路運維使用的監拍裝置數量和拍攝的巡檢圖像數量成幾何倍數增加。目前，國網天津電力累計安裝監拍裝置1.4萬套，基于人工智能“兩庫一平臺”部署了輸電通道隱患辨識模型，模型日均調用量達120萬次。然而，該模型分析輸電通道監拍信息、精準研判是否存在隱患的能力還需進一步提高。

　　7月，國網天津電力落實國家電網有限公司人工智能規模化應用相關要求，提出從邊端采集、數據傳輸、模型優化、系統應用等方面入手，開展輸電通道監拍規模化應用專項攻堅。天津電科院依托國網天津電力人工智能實驗室組建攻關團隊，優化輸電通道隱患辨識模型。

　　“模型算法是人工智能規模化應用的關鍵。”天津電科院電網技術中心副主任姚程說，“人工智能應用要真正融入生產工作，被一線人員廣泛使用，必須具備較高的準確性。”

　　攻關團隊通過技術手段準確評價模型的實際運行效果，推動模型能力提升和應用深化，填補了天津電網人工智能模型質量監督的空白。天津電科院模型測試人員李浩然說：“要解決一線人員反映的模型誤報、漏報問題，就要找到模型到底在識別哪類隱患方面存在什么樣的問題，這樣才能使算法精準聚焦業務需求，提升模型實用化水平。”

　　根據實地數據優化模型　查全率查準率顯著提升

　　高質量測試數據集是精準評價模型的基礎。攻關團隊聯合生產運行單位開展輸電通道隱患排查需求調研，結合天津電網特點，確定了煙、火、導線異物、吊車、打樁機等10類重點線路通道隱患及具體標注規則。在此基礎上，攻關團隊通過分析以往易誤報信息，發現煙囪、防塵網、風力發電機等7類物體易造成誤報情況，便將這些物體作為輔助目標物，提升模型對易混淆目標特征的提取能力。

　　攻關團隊以監拍終端設備全覆蓋、時間范圍全覆蓋、樣本類別均衡為原則，差異化制訂樣本抽取策略。他們按照統一標注規則，開展監拍圖像隱患數據標注，建立包括人工標注、交叉互審及兩輪抽樣復審的流程，保證了較高的樣本標注質量。最終，攻關團隊建立了包含2.2萬張隱患圖片的測試數據集和包含6萬張隱患圖片的訓練數據集。

　　攻關團隊成員武藝博介紹：“如果把測試集比喻為考試試題，那訓練集就是提供給模型的練習題。模型通過在訓練集上開展模擬訓練，獲得監拍圖像隱患特征知識。如果模型能在測試集上得到理想的分數，就能證明模型的特征知識是正確的，具備了泛化推理的能力。”

　　在模型測試工作中，攻關團隊借鑒國際大型計算機視覺競賽規則制訂測試流程、指標，保障測試過程的權威性。“查準率、查全率、F1分數是模型評價的常用指標。此外，我們還引入了國際知名賽事和學術研究中常用的評價指標——平均精度均值，便于后續對標先進算法開展對比驗證。”李浩然說。

　　攻關團隊在模型歷次迭代后開展測試，結果表明，應用天津電網實地數據開展微調，模型總體查全率、查準率顯著提升，尤其是煙、火、導線異物3類隱患查準率提升20個百分點以上。

　　打磨測試方法和程序腳本　建立穩定高效的測試流程

　　目前，輸電通道監拍規模化應用專項攻堅已進入沖刺階段。在國網天津電力人工智能實驗室，負責開發、測試、標注等任務的攻關團隊成員緊密配合，有序推進模型上線準備工作。

　　攻關團隊逐步建立了涵蓋用戶反饋、樣本歸集、樣本篩選、樣本標注、樣本審核的數據集構建和樣本閉環管理機制，具備了目標檢測類機器學習任務數據標注能力，可支撐輸電通道監拍等重點場景常態化樣本收集。同時，通過多輪測試和結果反饋，攻關團隊不斷打磨測試方法和程序腳本，逐漸建立了穩定高效的測試流程，具備了目標檢測類人工智能模型功能測試能力。

　　“用科技服務生產是我們的出發點，也是落腳點。”姚程說，“我們將依托專項攻堅成果，探索驗證圖像壓縮、三維點云測距、視覺大模型等新技術應用成效，不斷提升支撐服務能力，推動人工智能技術在變壓器早期絕緣問題辨識、油色譜在線監測裝置異常分析等場景中應用，服務電網生產一線。”(張揚)