用无人机做风电设备巡检，中美10万台风机岚斯科技能抢下多少？

无人机行业应用是业内公认的下一个重要发展趋势。其中对于工业巡检领域的应用则更是市场广阔。总体而言，无人机工业巡检的发展思路是替代人工，进阶的性能则需要实现自动化，既包括机械方面，也包括数据处理。

美国休斯顿的岚斯科技是一家从事无人机巡检的创业公司，他们利用无人机采集图像信息，通过深度学习算法，自动识别机械破损程度，最终可以形成能够替代人工巡检的检测报告。

要实现这样一个方案，对硬件和算法都有较高的要求。

在硬件层面上，岚斯科技在现有合作方的多旋翼无人机平台上，搭载了高清摄像机、高分辨率热成像仪以及其他辅助传感器。此外，在超远距离飞行固定翼无人机平台上，他们与另一家具有美国国家航空航天中心(NASA)背景的黑科技公司进行深度合作，在超远距离数据传输方面则可以应对工业上百公里级的需求，应用领域包括石油管道的巡检，边境安防，森林消防等。

软件方面，基于计算机视觉的自动检测是岚斯科技的核心技术。以CTO丁萌博士为核心的工程师团队所面对的技术壁垒以及优势主要在于两点：

1. 图像自动分割及测量算法。国内外从事人脸识别和车辆识别的计算机视觉团队并不少，但在复杂工业级应用上，对图像进行自动分割和测量有着较高的精度要求，同时需要对行业客户需求有深入的理解，因此即使现在无人机巡检公司频频崛起，但少有团队从这个技术端切入，业内也没有成型的算法可以直接拿来使用。具体到岚斯科技涉足最深的风能行业，风机叶片检测的案例中来看，无人机携带高清摄像头采集的数据量约为单个风机2000张左右图像信息，风机叶片长度则在40至50米不等。他们的技术需要做到通过卷积神经网络学习算法训练计算机去自动分割出叶片图片上的破损区域，判断是真破损还是一般污迹，破损类型，画出完整的破损区域边际线，并最终给出破损程度的评估。岚斯科技目前在分割识别上的准确率可以达到90%（以像素点重合率计算），他们现与一家国际风能巨头公司合作耗时近半年时间采集了多样化图像数据并训练分类器模型。而未来在以海量数据为基数的算法上则会进一步提高软件自动化程度。

2.无标志物图像的拼接。对于大部分完好的风机叶片而言，单张图片所展示的表面区域并不具备明显标志物，就如同我们拼图时那些看起来都分别不大的蓝天背景。而这些图形数据都需要通过算法来自动拼接，也是对算法的巨大考验。目前他们可以向风机设备方提供拼接完整并建立叶片模型。

岚斯科技的CEO李鲁航告诉36氪记者，他们除了以光学摄像头巡检风机叶片，也会通过热成像仪巡检大量太阳能电池板。其核心原理也是通过计算机视觉和图像处理算法对图像进行检测与识别，区别在于不同工业场景与需求，用来采集图像的传感器有所不同。

目前采用无人机做工业巡检的公司里，如美国的AAIR，其创始人在电力巡检行业有40多年的从业经验，还有英国的Cyberhawk和Sky-Futures都侧重于海上风电设施、石油管道的巡检。这三家公司的共同点是，他们都从传统的人工巡检衍变而来，目前利用无人机进行巡检，但在数据处理方面依然还要依托于人工，反而市场资源是这一类公司的优势。还有一家SkySpecs大学生创业团队早年做无人机硬件起家，后期开始寻找行业应用并逐渐切入风电设施巡检领域，这个团队主打无人机自动控制系统，但由于整个无人机硬件行业已经发展得比较成熟，所以其优势门槛正在降低。无论是业内竞品公司还是行业外产生新的竞争者，其在算法层面都要面临岚斯科技在数据上至少半年的领先优势，同时还要承担较长的研发周期和高昂的研发人员成本。如果说从零开始组建一个相应的团队起码要一两年的时间来追赶。

根据普华永道的预测，到2020年，价值1270亿美元的劳动力和商业服务可以被无人机代替。而聚焦到工业巡检这一领域，相比较而言，岚斯科技的方案在单个风机巡检平均需花费($800/台)是人工巡检平均费用的三分之一($2500/台)。如果仅使用无人机巡检，但用耗时漫长的人工数据处理的方案，目前单风机报价也是岚斯科技报价的两倍以上($2000/台)。如果中美的所有风机都使用岚斯科技的解决方案，直接运维成本节省可以达到近20亿人民币, 时间效率上也可以提升8倍左右。

未来岚斯科技主要的市场战略是中美结合，取长补短。分析风能市场，美国和中国的风机数目大约都是在4万台至5万台左右。差别其实主要在于北美市场发展相对成熟，相关公司在设备运维上的意愿更强，预算也相对充足，而国内新能源企业在近十年发展势头强劲，迅速成为全球最大的风电大国，但在运维标准方面还未达到发达工业国家标准，多数还处于人工巡检维修阶段。北美市场方面，风能行业90%以上的市场占有率则掌握在通用、西门子、维斯塔斯、歌美飒四家公司手中，所以岚思科技在商务上面临的挑战较大。

岚斯科技目前也正在寻求融资伙伴，近期的发展方向主要是工程师团队的扩展，研发则朝向算法完善、更高的自动化水平以及通过海量数据对设备运维进行预测等方向。同时也将投入部分经费用于商务团队的拓展与业务合作的推动。