DNV已经启动了一个合作研究项目，以开发一种自动化数据处理程序，以验证检测到的风力涡轮机叶片缺陷，旨在建立信任并在整个行业中产生更广泛的自动化数据处理技术接受度，并为未来的监管提供信息。

“由于许多检查仍然是手动进行的，海上风力涡轮机的目视检查是昂贵的、劳动密集型的和危险的。自动视觉检查可以解决这些问题，”DNV数字保证高级研究员ElizabethTraiger说。“这项合作将开发和展示一个自动化处理流程以及一个通用框架，目的是在整个行业中产生更广泛的接受度并为未来的监管提供信息。这个项目应该为自动化检测行业的发展提供一个垫脚石。”

该研究项目与布里斯托大学和感知机器人公司合作进行，将研究自动验证、验证和处理自动无人机收集的检查数据，以提高检查质量和性能。该项目旨在为英国自动化检测行业的发展做出贡献。

无人驾驶自主和遥控车辆和无人机通常用于在海上风电场难以到达的极端环境中进行资产检查。这些车辆可以收集丰富而广泛的数据集，包括高清视频、图像、地理定位和传感器数据，以提供有关已安装结构的完整性信息，而无需人员进入这些危险位置。

该研究项目将从2021年4月开始持续12个月，将满足对收集的数据进行全自动处理的需求，目前这仍然是一个半自动化的过程，依赖于训练有素的专家对图像数据的视觉检查。

“随着全球安装的风力涡轮机数量的增加，包括那些在偏远和恶劣环境中的风力涡轮机，所收集的检查数据量正在迅速超过能够胜任审查它的熟练检查员的能力。该研究项目将开发通过机器学习算法和流程自动化来应对这一挑战的方法，”DNV集团研发总监PierreC.Sames说。

作为该项目的一部分，布里斯托大学视觉信息实验室是3D计算机视觉和图像处理方面的专家，他们将使用SLAM和3-D跟踪技术创建用于自动定位检查图像和缺陷的算法。

PerceptualRobotics是一家专门使用无人机对风力涡轮机进行目视检查的中小企业，它将执行无人机检查并创建基于人工智能的模型，用于缺陷检测，以在商业生产环境中试行流程自动化。

DNV将提供检验专业知识、验证收集的数据、验证人工智能算法的方法和性能，并为现有的DNV和IEC推荐实践、法规和行业网络提供指导。

这项研究得到了英国创新基金的支持，该基金因赢得机器人技术创造更安全的世界：扩展竞赛而获得。