下载掌阅APP，畅读海量书库
立即打开
大型发电厂生产区域中油、水、气、电各类生产设备种类众多且分布紧凑。由于密封性能下降、零部件缺损脱落等机械缺陷原因，20%～30%的设备缺陷表征为漏水、漏油、漏气。同时发电厂设备包含大量的零部件，在生产运行过程中容易出现零部件松动和脱落引发的缺陷。生产过程中上述异常情况，若不能被及时发现，往往会导致缺陷影响升级或导致主设备停运，甚至带来其他安全事故。燃气电厂/火电厂中高温蒸汽泄露往往会因为热质泄露带来机组发电效率降低，进而影响整个机组的经济性指标。此外，高温蒸汽泄漏还可能会对运维人员造成人身伤害。因此，在发电厂生产中急需应用光学/红外摄像头获得机器视觉，通过机器视觉代替人工巡检，对漏油、漏水、漏气进行主动检测以及时发现异常。
机器视觉是用机器代替人眼来做测量和判断，使其具备类似人类对图像特征分级识别的视觉感知与认知机制。机器视觉工作原理如下：通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统得到被摄目标的形态信息；根据像素分布和亮度、颜色等信息，将形态信息转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场。
伴随深度学习算法的优化、计算能力的提升、大数据的发展，“数据+算力+算法”已不再是制约机器视觉在大型发电厂生产中实际应用的瓶颈。2019年著者在深圳抽水蓄能电厂做过调研和试验。采用电厂生产区域的视频数据，针对电厂设备多种异常情况（漏油、漏水、水浸、烟雾、明火、管道破损等）进行了智能感知和告警等功能试验，从技术上验证了机器视觉可及时发现生产区域的异常和安全风险隐患，提高巡视效率，减少人力成本，保障电厂安全生产。
2020年著者以抽水蓄能电厂、常规水电厂、燃气发电厂为应用场景，总结提炼了应用机器视觉感知发电厂生产设备典型缺陷的方法，形成了生产区域视频监控观测点优化布置方案，提出了构建基于机器视觉的发电厂生产设备异常样本库的方法，并研发了应用机器视觉感知生产区域漏油、漏水、烟雾、明火、管道破损、零部件脱落等异常情况的感知技术。2021年以海南文昌燃气发电厂为工程示范进行应用。后续相关成果将进一步应用于其他大型发电厂。
本书的撰写得到王小军、王苗庚、王林、王育瑾、王勇、王晓翼、王翰龙、卢勇、冯推祥、巩宇、吕志鹏、刘涛、刘强、许文杰、孙立群、阳曦鹏、苏怡洁、李定林、李建辉、李德华、汪民、汪志强、张明华、陈满、陈黎、林恺、欧阳济凡、罗一溪、岳鹏超、周宇鹏、周建为、赵补石、姚明亮、贺儒飞、凌旗、郭海峰、黄发满、黄廷城、彭煜民、韩玉麟、韩吉双、景增明、蔡鑫贵、谭书馨等同志的协助（按姓氏笔画排序）。在撰写本书的过程中，得到了南方电网调峰调频发电有限公司、南方电网调峰调频发电有限公司技术中心、天生桥二级水力发电有限公司、深圳蓄能发电有限公司、广东蓄能发电有限公司、海南蓄能发电有限公司、海南文昌燃气发电厂、华南理工大学、广州市奔流电力科技有限公司等单位以及中国水力发电工程学会智能与智慧化专业委员会的领导、老师的支持和帮助，在此表示衷心的感谢！
由于写作时间仓促及著者水平有限，书中难免存在错漏之处，敬请读者批评指正！
著 者
2021年7月