引言
隨著工業設備規模不斷增大，設備專業化、複雜性不斷增加，以人力為基礎的傳統工業巡檢在效率、成本、可行性和可靠性等方面都面臨着巨大的挑戰。傳統人工巡檢方法成本高昂，並且受氣候和地理條件限制，很難實現即時、全面的監控預警。[1]而人工智能（Artificial Intelligence，AI）與無人機的深度融合，正推動工業巡檢全面邁向智能化的新紀元。AI賦能的無人機能夠實現高效、精準、全天候的設備監測與安全管理，為低空經濟注入新活力，幫助企業實現自動化、數碼轉型。
AI賦能低空無人機
無人機，是通過不同類型傳感器（如攝影機、紅外線感應器、激光雷達等），執行數據收集和監控任務的小型飛行器。[3]低空無人機自出現以來便在多個領域得到了廣泛應用。然而，傳統無人機需要人工遠端遙控實現飛行路線規劃及避開障礙物。同時無人機所收集的數據依賴專家進行分析處理。因此傳統的無人機只是提供了一種更方便快捷的數據收集工具，不具備自主能力，高度依賴人工操作，難以滿足複雜的工業巡檢場景的需求。
而人工智能技術的引入，尤其是 AI圖像識別與異常檢測技術 ，使得無人機能夠做到自主規劃路線、自動避開障礙物，並實時分析數據，識別異常特徵（如設備溫度異常、結構異常等），進行風險預警和安全管理。因此，低空無人機在交通、環境、基礎設施、災害管理等方面都得到了更廣泛的應用。[4]以公共道路為例，低空無人機可以依據所收集到的路面圖像和溫度數據，通過圖像識別和異常檢測的AI模型，計算路面裂隙尺寸等關鍵指標，評估道路底層結構受損情況。[5]同樣地，配備人員和物體識別AI模型的無人機還被廣泛應用於緊急事故時的人員搜索和災害損失評估工作。[6]AI的賦能使無人機從數據收集的工具進化成具備自主運動和決策的智能體。
智能巡檢的工業應用：設備巡檢、安全管理
1. 設備巡檢（以電力行業為例）
無人機在電力行業主要用於電力巡檢、電網建設、故障處理等。[7]電力設備巡檢質量和效率嚴重影響電網的營運安全。傳統人工巡檢勞動強度大，效率低，每天巡檢距離不足5公里，單日只能完成10座電塔巡檢，而無人機可在20分鐘內完成1座電塔的智能巡檢。[8][9]此外，基於傳感器融合採集的多類數據（包括振動頻率、導線發熱情況、環境溫濕度等），無人機能夠識別出設備內部的異常部位，進行潛在風險預警，實現從「故障維修」到「預防性維護」的轉型，降低企業潛在風險損失。[10]以風力發電巡檢為例，使用無人機取代人工巡檢可將檢查成本降低70%，並將停機造成的損失降低高達90%。[11]
2. 安全管理（以建築業為例）
建築業是最危險的行業之一。以香港為例，建築業死亡人數佔所有行業死亡人數的19.68%。[12] 在施工階段使用無人機進行安全監測已成為加強安全管理和減輕潛在危險的有效工具。配備高像素攝影機、激光雷達的無人機可以準確檢查基礎設施、建築物和設備，評估現場的整體安全狀況，識別潛在風險。圖2展示了在智利的高層建築施工項目中使用無人機進行安全管理的實例。無人機能夠通過圖像準確識別安全問題，例如缺少護欄和工人沒有安全繩。[13]同時AI賦能的無人機可以與BIM（建築信息系統）相結合，無需使用人力資源、重型機械和昂貴的測量工具，以更低的成本和更高的精準度生成施工區實景3D模型，便於質量管理人員進行質量評估和質量控制[14]。相比於傳統的GPS（全球定位系統）的動態測量技術，無人機測繪的效率提高了3倍，精準度提高了3,000倍以上。[15]
無人機工業巡檢未來展望
未來，全球民用無人機市場規模將持續高速增長，工業級無人機市場規模佔比將超過4,000億元人民幣，其中僅中國無人機電力網絡巡檢的市場規模就將達到40億元人民幣。[17]同時，AI和無人機的結合正在重塑工業設備管理模式，使巡檢從事後發現故障轉向事前風險預測與預防性維護，實現由被動應對向主動管理的轉型。對於企業而言，這不僅是技術升級，更是經營戰略的數碼轉型。
但無人機在工業巡檢方面的應用依然面臨著不少的挑戰。首先，無人機應用的一大挑戰在於各地法規限制不一，導致其部署和操作標準缺乏一致性。其次，惡劣天氣和網絡波動等因素會帶來安全隱患，這是無人機在施工現場、應急救援等關鍵領域廣泛應用時亟需解決的問題。最後，無人機本身的性能如續航里程、飛行有效載荷等也有待進一步提升。
未來，伴隨著無人機技術、配備傳感器的更新升級、無人機協作平台的更新，無人機將實現更高效的協同作業與跨平台數據整合。工業低空經濟有望成為智能製造的核心驅動力，助力企業邁向零故障、零事故的智慧營運新時代。
參考文獻：
[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.
在此感謝InnoHK、香港特別行政區政府及人工智能金融科技實驗室（AIFT）對本文的支持。
（AIFT竭力但不能保證內容之準確和可靠，亦不會承擔因任何不準確或遺漏而引起的任何損失或損害。 )
