“空-地-云”协同智能巡检检测算法研发

需求的背景和应用场景

在钢铁、火电、化工、港口、光伏电站等大型企业的自动化巡检场景中，传统巡检方式面临诸多痛点。一方面，复杂光照条件导致现场设备故障、缺陷等识别准确率低，小目标漏检率高，影响巡检效果和企业安全生产；另一方面，现有巡检手段难以实现全天候无死角的自动巡检，无法满足大型企业作业现场巡检升级的需求。为解决这些问题，提升巡检的智能化水平，特发布“空 - 地 - 云”协同智能巡检检测算法研发需求，旨在开发工业级多维感知自动化巡检系统，以适应大型企业自动化巡检场景，保障企业生产安全与稳定运行。

要解决的关键技术问题

围绕大型企业作业现场巡检升级目标，需开展多项关键技术研发。一是进行AI视觉识别、红外测温技术、双光谱视觉与红外热成像等多维感知系统算法优化研发，解决强光阴影干扰问题，提高微小缺陷检测的稳定性，确保在不同光照条件下都能准确识别设备故障和缺陷。二是开展自主导航与定位算法优化研发，实现全天候无死角的自动巡检。技术原理上，综合运用多种传感器数据融合，通过算法优化提升感知和导航定位的精度。技术架构方面，构建多维感知与自主导航定位相结合的系统架构，实现各模块协同工作。关键技术点包括多维感知算法的精准优化、自主导航与定位算法的鲁棒性提升以及系统的高效集成。

效果要求

该技术需求需实现显著效益和竞争优势。在效益上，开发出工业级多维感知自动化巡检系统，提高巡检效率和质量，降低人工巡检成本和安全风险。识别准确率需达到≥99.8%，漏检率≤0.1%，处理速度≥30帧/秒，满足自动化巡检的严格要求。竞争优势方面，通过解决现有巡检技术的瓶颈问题，形成技术领先优势，提升企业在市场中的竞争力。创新性体现在综合运用多种先进技术，实现“空 - 地 - 云”协同智能巡检，为大型企业自动化巡检提供全新的解决方案，推动行业智能化发展。