案例简介
电能从生产到消费要经过发、输、变、配、用五大环节，任何一个环节出问题，都会影响到电能的正常供应。其中， 输变电是电能通过电网传输的重要部分。电力巡检的核心工作内容，就是对输变电设备进行运维，以确保其正常工作， 保障电力系统的安全运行和电能的稳定供应。
南方电网电力科技股份有限公司的技术攻关团队引入飞桨深度学习开源框架，利用飞桨团队实现的高性能目标检测 算法 YOLOv3 及语义分割算法 U-Net，使机器人面向表计的深层次特征提取能力大大提高，突破了环境因素的制约， 方法的准确率和鲁棒性显著提升，在表计目标检测、示数读取等方面的效果尤为显著。
技术方案
在基于飞桨的表盘检测及表盘分割项目中，表盘检测的最高 mAP 达到了 0.9857，总体的读数 ±2° 误差内准 确率 高达 99.01%。借助深度学习赋能的变电站智能装备 ( 机器人 )，人工巡检耗时大幅减少。原来需要 6 小时 才能完成 的巡检工作现在只需花 10 分钟进行读数复核即可，实现了基于准实时自动巡检的变电站智能运维。
案例企业简介
南方电网覆盖五省区，负责投资、建设和经营管理南方区域电网，参与投资、建设和经营相关的跨区域输变电和联 网工程，服务广东、广西、云南、贵州、海南五省区和港澳地区;从事电力购销业务，负责电力交易与调度;从事 国内外投融资业务;自主开展外贸流通经营、国际合作、对外工程承包和对外劳务合作等业务。
