随着利用直升机、无人机进行电网巡检的普及，通过高空拍摄的照片，类似于销钉脱落一类的问题更容易被发现了。但同时，另一个问题随之产生：无人机拍摄产生的海量图片，靠人工来一一识别效率很低。可能无人机进行一次飞行巡检，在一条线路上就能拍摄几千张图片，如果没有相配套的智能图像识别模块，巡检效果将大打折扣。因此，设计一套能自动识别图片中所存在问题的智能系统十分必要。这正是输变电巡视图像智能识别系统的研发目的。

随着人工智能技术的发展，图像智能识别技术已应用在很多领域。但具体针对输变电巡视图像的智能识别，仍存在许多特殊的挑战。“一般的图像识别基本是识别人物、车辆、车牌号码等，而我们设计的系统要识别电力设备存在的问题，这就需要人工智能先认识这些设备，并且知道哪些情况是出问题了。”刘思言说。

为了让人工智能进行学习，前期需要大量图像采集以及输入。“比如铁塔、绝缘子串、防震锤、绝缘环等部分，正常情况是怎样的，出现缺陷又是怎样的，都要采集拍摄。拍摄图片后再由研发人员一一进行标注。”刘思言介绍，研发过程中，团队成员分辨、标注了上百万张来自全国各地的输变电线路图片，输入系统后供人工智能学习。现在，这一输变电巡视图像智能识别系统已能识别66千伏及以上等级输电线路杆塔共67类典型缺陷、输电通道6类典型隐患、16类变电设备24种缺陷，缺陷平均发现率达到85%以上，为保障电网安全提供了更高效的解决方案。

巡检出电网存在的隐患和问题后，还需要有专业人员及时进行维修。国网智能电网研究院研发的电力设备知识计算及服务引擎，就是一个专为电网检修人员提供的知识库。

过去，检修工人在检查设备前，要提前把设备的图纸信息、产品说明书、标准规范操作要求等都准备齐，带着这些资料到现场检查。如果遇到不熟悉的问题，翻找资料找到操作方法可能要花几个小时。但现在，他们有了新工具。

国网智能电网研究院计算及应用研究所工程师张强讲解说：“电网中设备众多、线路复杂，可能出现的问题也非常多。我们普通人遇到问题，可能都会直接上网在搜索引擎上找答案。那么电力设备知识计算及服务引擎，就相当于一个专为电网检修人员设计的搜索引擎，所有操作问题都能在上面快速地检索到解决办法，极大提高了检修工作的效率。”

据介绍，电力设备知识计算及服务引擎构建了电力专业知识精准检索、认知推理和决策辅助等知识计算体系，实现设备知识检索、缺陷定级、故障溯因等问题定位准确率92%，目前已面向多个省级电力公司提供服务，累计服务1300余万次。