為了保證設備安全與生產效率，大型設備需要定期巡檢。但大型設備高度很高、結構復雜，導致人工巡檢效率低、難度高、危險大。

以港口為例，港口岸橋設備多為大型設備，高度一般在80米以上，傳統的人工巡檢方式，一般需要四至五人，耗時兩到三周，才能完成一臺設備的巡檢。

近年來逐漸興起的無人機具有優良的空中機動性能，將能夠在港口設備巡檢中發揮重要作用。上海伯鐳智能科技有限公司基于NVIDIA Jetson TX2開發的無人機大型設備智能巡檢系統，大幅提高了巡檢效率，并降低了巡檢人員的安全風險。

NVIDIA助力應對無人機巡檢的挑戰

大型設備巡檢一般包含視覺檢測、超聲波檢測、磁粉檢測等不同手段。其中，視覺檢測是第一步，對于發現潛在病害至關重要。

無人機搭載高清相機后，可以方便地到達人力難以到達的位置，采集高清圖像，以供及時發現裂縫、銹蝕、零件脫落等病害情況。

無人機對大型港口機械進行巡檢，需要采集關鍵部位的高清圖片，用于病害的判斷。對焦點不在關鍵部位上是造成廢片的一大因素。

但現有的無人機自動巡檢方式，一般僅能控制無人機按照設定航線自動飛行，定點拍照，由于無人機的定位與控制誤差，所拍攝照片與設備待檢測節點間一般存在一定偏差。另一方面，對焦點往往會偏離待檢測節點，導致失焦模糊。以上兩種情況都會導致無人機所采集的圖像無法提供有效信息，成為廢片。

上海伯鐳智能科技有限公司與國際知名的大型港口設備生產商合作，基于NVIDIA Jetson TX2開發了一套無人機大型設備智能巡檢系統，以應對現有無人機巡檢的挑戰。

Jetson TX2在智能巡檢系統的應用

伯鐳科技的無人機大型設備智能巡檢系統以DJI M210無人機為飛行平臺，搭載高清相機，并配有差分GPS精準定位模塊，在Jetson TX2上構建了基于卷積神經網絡(CNN)的圖像識別與云臺控制算法，通過地面端節點選擇程序、無人機飛控的飛行控制程序、以及機載端的圖像識別與云臺控制程序的相互配合，實現無人機對設定檢測節點的自動飛行、節點處基于圖像識別結果的云臺調整、以及圖像拍攝對焦點的自動調整。

伯鐳機載智能模塊，內含NVIDIA Jetson TX2模塊

該系統能夠自動控制無人機按照最短路徑，精準飛行到人力難以到達的位置，從特定角度采集高清圖像，及時發現裂縫、銹蝕、零件脫落等病害情況，從而大大提高巡檢數據采集效率，降低巡檢人員的安全風險。

無人機大型設備智能巡檢系統結構圖

基于改進版YOLO網絡模型，在Jetson TX2上處理1920*1080像素圖像，其系統實現了對設備關鍵節點的實時識別(幀率約為15FPS)。基于節點識別結果，對云臺角度與對焦點進行精準微調后，有效降低了無人機所采集圖像的廢片率。根據初步測試結果，廢片率約降低20%，從而減少后續無效數據的數據傳輸、存儲與分析。

無人機應用于大型設備巡檢，不會受地形地貌限制，尤其適用于險峻山區、多河流地貌下的巡線工作。機載高清攝像設備可對設備產生的故障進行實時在線定位和監控，助力及時發現和采取措施，避免各類大型事故的發生。

基于NVIDIA Jetson TX2，伯鐳科技將開發更多垂直行業的巡檢平臺，設備巡檢效率將得以大大提高，節省大量人力、物力，并推動設備巡檢系統的升級。