据IT之家了解，输电线路发热检测是电力系统运维的重要环节，可以及时发现线路缺陷隐患，防止线路跳闸停电等事故的发生。然而，以往用人工智能识别红外影像数据的流程比较复杂，且需由人工现场判别画面中的发热故障点，易受检修人员经验、注意力等因素的影响而造成遗漏；此外，红外
视频数据量庞大，复检工作难度极大且效率低下，易造成绝缘子掉串等危险事件。而利用新研发的输电线路红外缺陷智能识别系统，仅需一键上传巡检红外
视频就能快速抽帧并智能识别发热缺陷，可辅助线路运维单位及时消除线路跳闸停电的隐患。
此次技术攻关团队结合业务场景，采用“最小化标注+阶梯式学习+干扰点屏蔽”的技术路线，实现了红外缺陷隐患的智能识别，模型识别准确率达90%以上。
据介绍，目前该系统在国网电力空间技术有限公司部署应用，系国内首次将人工智能技术规模化应用于输电线路发热检测。以240基杆塔的红外视频为例，传统人工数据复核需要5个小时，现在采用该系统，从上传视频到完成分析只需要2个小时，且过程中无需人工干预。
