近日，躍昉科技與中國電力科學研究院等單位聯合研發的“面向電力物聯網的設備跨模態智能巡檢技術及應用”項目，榮獲中國電工技術學會頒發的2024年度科技進步獎一等獎。

項目背景

隨著新型電力系統建設的加速推進，設備規模爆炸式增長，采用邊云協同推理技術可及時發現電力設備缺陷故障，提升智能巡檢水平。但邊云協同推理技術在電力系統中的應用存在以下難點：

1傳統邊緣計算時延高、能耗大；

2電力設備缺陷視覺識別精度不足；

3多模態特征對齊難導致設備故障診斷可靠性較差；

4專業知識約束弱導致輔助決策準確性、可信度不高。因而，電力設備智能巡檢技術難以大量推廣。

項目創新點

2019年，躍昉科技聯合中國電力科學研究院等單位組建項目團隊，開展面向電力物聯網的設備跨模態智能巡檢技術研究，研發了RISC-V電力邊緣智能網關、無人機機載智能終端、智能運檢知識管理和認知推理系統等系列軟硬件成果，并在輸變配電設備運檢等場景中成功應用。主要創新如下：

1突破了基于自主可控芯片的電力設備邊緣計算優化技術。通過移位量化算子，將邊端側算法模型的存儲與計算過程映射至同一硬件，大幅縮減數據搬運所帶來的計算時延與能效；構建RISC-V、存算一體等異構算力調用邏輯，解耦通用算力與專用算力，進一步解決邊端側智能推理終端的供電資源受限難題。通過上述技術創新，邊緣智能終端推理能效比達3TOPS/W以上。

2發明了面向跨模態認知推理的電力設備可視缺陷識別技術。通過基于自注意力機制的設備圖文特征融合推理技術，實現業務知識引導的缺陷精準識別；通過業務知識引導圖像特征遷移，有效提升小目標、不規則特征等缺陷識別精度，減少高質量訓練數據需求。通過上述技術創新，針對銷釘銷子脫落、變壓器銹蝕等35種重難點缺陷的特征識別率從87.2%提升至92.6%。

3攻克了基于多模態動態融合的電力設備故障智能診斷技術。基于電力設備聲-光-電-化等多模態傳感數據，提出特征稀疏選通策略，實現電力多模態數據的特征長度對齊與高階特征挖掘；構建基于多模態特征的自注意力機制神經網絡，使得模型自適應考慮不同模態數據置信度，進一步提升電力設備故障診斷可靠性。通過上述技術創新，電力設備故障診斷準確率從84%提升至93%。

4提出了基于檢索知識增強生成的電力設備檢修輔助決策技術。使用專業電力設備數據庫、知識圖譜等進行檢索匹配，并將相關知識融合到模型中，提高模型生成內容的準確性；研發電力設備專業知識約束下的輔助檢修輔助決策模塊，基于檢索的上下文生成決策文本，克服現有輔助決策技術生成內容可解釋性差的問題。通過上述技術創新，設備檢修輔助決策準確率從82.3%提升至95%。

項目成果與行業影響

該項目取得了豐碩成果，包括發表論文38篇，出版專著2部，授權專利24項，登記軟件著作權6項，制定行業標準3項。經中國電機工程學會組織鑒定，潘云鶴院士領銜的專家組一致認為項目成果達到國際領先水平。該項目成果已在天津、浙江、福建、河北等地成功應用，近三年創造超4.4億元的銷售額，經濟和社會效益顯著。

作為國內電氣領域最具權威性和影響力的獎項之一，中國電工技術學會科學技術獎旨在表彰在電工技術及其應用領域取得突出創新和貢獻的單位和個人。躍昉科技此次榮獲科技進步獎一等獎，不僅是對公司多年來技術積累與創新能力的充分肯定，也為其未來發展開拓了更廣闊的空間！

此次獲獎，是對躍昉科技創新實力的極大肯定與鼓舞！未來，躍昉科技將繼續秉持開放創新的理念，不斷強化技術實力，攜手生態伙伴共同為電力行業智能化升級做出更大的貢獻！

廣東躍昉科技有限公司聚焦研發基于RISC-V架構的SoC芯片產品及系統解決方案，并提供從操作系統到云平臺的全棧基礎智能軟件服務，通過融合人工智能、物聯網、區塊鏈等交叉領域技術為中國數字經濟的創新應用賦能。

躍昉科技作為RISC-V架構SoC芯片設計及產業應用的開拓者，已推出系列基于RISC-V架構的高性能SoC芯片及產品，覆蓋AIoT邊端物聯、控制和計算等應用領域，集高效能計算資源、豐富工業接口、穩定可靠品質等特性于一體。依托于全棧技術能力，躍昉科技正持續深耕于智慧能源、智慧物流、智慧城市、智慧工廠等領域，旨在為客戶帶來專業化、高品質的產品和服務。