引言
随着工业设备规模不断增大，设备专业化、复杂性不断增加，以人力为基础的传统工业巡检在效率、成本、可行性和可靠性等方面都面临着巨大的挑战。传统人工巡检方法成本高昂，并且受气候和地理条件限制，很难实现即时、全面的监控预警。[1]而人工智能（Artificial Intelligence, AI）与无人机的深度融合，正推动工业巡检全面迈向智能化的新纪元。AI赋能的无人机能够实现高效、精准、全天候的设备监测与安全管理，为低空经济注入新活力，助力企业实现自动化、数字化转型。
AI赋能低空无人机
无人机，是通过不同类型传感器（如摄像机、红外传感器、激光雷达等），执行数据收集和监控任务的小型飞行器。[3] 低空无人机自出现以来便在多个领域得到了广泛应用。然而，传统无人机需要人工远端遥控实现飞行路径规划及避障。同时无人机所收集的数据依赖专家进行分析处理。因此传统的无人机只是提供了一种更便捷的数据收集工具，不具备自主能力，高度依赖人工操作，难以满足复杂的工业巡检场景的需求。
而人工智能技术的引入，尤其是AI图像识别与异常检测技术，使得无人机能够做到自主规划路径、自动避障，并实时分析数据，识别异常特征（如设备温度异常、结构异常等），进行风险预警和安全管理。因此，低空无人机在交通、环境、基础设施、灾害管理等方面都得到了更广泛的应用。[4] 以公共道路为例，低空无人机可以依据所收集到的路面图像和温度数据，通过图像识别和异常检测的AI模型，计算路面裂隙尺寸等关键指标，评估道路底层结构受损情况。[5] 类似地，搭载人员和物体识别AI模型的无人机还被广泛应用于应急响应时的人员搜寻和灾害损失评估工作。[6] AI的赋能使得无人机从数据收集的工具进化成具备自主运动和决策的智能体。
智能巡检的工业应用：设备巡检、安全管理
1. 设备巡检（以电力行业为例）
无人机在电力行业主要用于电力巡检、电网建设、故障处理等。[7] 电力设备巡检质量和效率严重影响电网的运营安全。传统人工巡检劳动强度大，效率低，每天巡检距离不足5公里，单日只能完成10座基杆塔巡检，而无人机可在20分钟内完成单基杆塔的智能巡检。[8][9] 此外，基于传感器融合采集的多类数据（包括振动频率、导线发热情况、环境温湿度等），无人机能够识别出设备内部的异常部位，进行潜在风险预警，实现从「故障维修」到「预防性维护」的转型，降低企业潜在风险损失。[10] 以风电巡检为例，使用无人机取代人工巡检可将检查成本降低70%，并将停机造成的损失降低高达90%。[11]
2. 安全管理（以建筑业为例）
建筑业是最危险的行业之一。以香港为例，建筑业死亡人数占所有行业死亡人数的19.68%。[12] 在施工阶段使用无人机进行安全监测已成为加强安全管理和减轻潜在危险的有效工具。配备高分辨率摄像机、激光雷达的无人机可以准确检查基础设施、建筑物和设备，评估现场的整体安全状况，识别潜在风险。图2展示了在智利的高层建筑施工项目中使用无人机进行安全管理的实例。无人机能够通过图像准确识别安全问题，例如缺少护栏和工人没有安全绳。[13] 同时AI赋能的无人机可以与BIM（建筑信息系统）相结合，无需使用人力资源、重型机械和昂贵的测量工具，以更低的成本和更高的精度生成施工区实景3D模型，便于质量管理人员进行质量评估和质量控制[14]。相比于传统的基于GPS（全球定位系统）的动态测量技术，无人机测绘的效率提高了3倍，精度提高了3,000倍以上。[15]
无人机工业巡检未来展望
未来，全球民用无人机市场规模将持续高速增长，工业级无人机市场规模占比将超过4,000亿元人民币，其中仅中国无人机电力网络巡检的市场规模就将达到40亿元人民币。[17] 同时，AI和无人机的结合正在重塑工业设备管理范式，使巡检从事后发现故障转向事前风险预测与预防性维护，实现由被动应对向主动管理的转型。对于企业而言，这不仅是技术升级，更是经营战略的数字化转型。
但无人机在工业巡检方面的应用依然面临着不少的挑战。首先，无人机应用的一大挑战在于各地法规限制不一，导致其部署和操作标准缺乏一致性。其次，恶劣天气和网络波动等因素会带来安全隐患，这是无人机在施工现场、应急救援等关键领域推广应用时亟需解决的问题。最后，无人机本身的性能如续航里程、飞行有效载荷等也有待进一步提升。
未来，伴随着无人机技术、搭载传感器的更新升级、无人机协作平台的更新，无人机将实现更高效的协同作业与跨平台数据整合。工业低空经济有望成为智能制造的核心驱动力，助力企业迈向零故障、零事故的智慧运营新时代。
参考文献：
[1] 劉如武,曾志華,曾水秀 & 錢闖.(2024).三位一體的智慧巡檢在光伏電站的研究與應用. 江西電力(04),59-62.
[3] H. Wang, H. Zhao, J. Zhang, D. Ma, J. Li and J. Wei, “Survey on unmanned aerial vehicle networks: A cyber physical system perspective”, IEEE Commun. Surveys Tuts., vol. 22, no. 2, pp. 1027-1070, 2nd Quart. 2020.
[4] Nooralishahi, P., Ibarra-Castanedo, C., Deane, S., López, F., Pant, S., Genest, M., Avdelidis, N. P., & Maldague, X. P. V. (2021). Drone-Based Non-Destructive Inspection of Industrial Sites: A Review and Case Studies. Drones, 5(4), 106.
[5] Kim, J. W., Kim, S. B., Park, J. C., & Nam, J. W. (2015). Development of crack detection system with unmanned aerial vehicles and digital image processing. Advances in structural engineering and mechanics (ASEM15), 33(3), 25-29.
[6] Erdelj, M., Król, M., & Natalizio, E. (2017). Wireless sensor networks and multi-UAV systems for natural disaster management. Computer Networks, 124, 72-86.
[7] 張峰.(2019).關於工業級無人機應用市場分析. 大眾投資指南(15),228-229.
[8] 張秀清.(2024).輸電線路無人機巡檢中人工智能技術的應用研究. 信息記錄材料(10),39-41+45.
[10] 周文青, 劉剛. 基於深度學習和無人機圖像的架空線路缺陷巡檢綜述[J]. 電力工程技術, 2024, 43(2): 73-82.
[11] Poleo, K. K., Crowther, W. J., & Barnes, M. (2021). Estimating the impact of drone-based inspection on the Levelised Cost of electricity for offshore wind farms. Results in Engineering, 9, 100201.
[12] Chen, J., Song, X., & Lin, Z. (2016). Revealing the “Invisible Gorilla” in construction: Estimating construction safety through mental workload assessment. Automation in Construction, 63, 173-183.
[14] Siebert, S., & Teizer, J. (2014). Mobile 3D mapping for surveying earthwork projects using an Unmanned Aerial Vehicle (UAV) system. Automation in construction, 41, 1-14.
[16] Martinez, J. G., Heidari, M., & Alarcon, L. F. (2020). UAV integration in current construction safety planning and monitoring processes: Case study of a high-rise building construction project in Chile. Journal of Management in Engineering, 36(3), 05020005.
[17] 李加加.(2023).競逐工業無人機千億市場，成渝共探“路徑圖”. 產城(02),68-71.
在此感谢InnoHK、香港特别行政区政府及人工智能金融科技实验室（AIFT）对本文的支持。
（AIFT竭力但不能保证内容之准确和可靠，亦不会承担因任何不准确或遗漏而引起的任何损失或损害。 )
