:::

【109年 應用案例】 核電廠「不玩了」 安全管理智慧化更重要

廠區安全為工業安全的一環,目前的做法為設置許多監視器配合安全人員的人為監控來提供資訊,但人員監控有其極限,若能建置 AI 系統輔助進行異常行為與臉部辨識,可以更有效協助安全人員的監控工作,彌補人為監控的死角。

位於新北市石門區的核一廠,背山面海、風景秀麗,然而,此一全台首座核電廠將邁入除役期,即將成為歷史。適逢核電廠正準備進行除役作業,未來將有許多外部廠商進出施工,出入管理複雜,外部廠商施工也需要持續進行安全監控以確保核能安全;另外,核四廠雖正在封存中,但仍有敏感性區域與降低人員駐點的需要,因此對於安全管理的智慧化有急迫的需求。

資策會AI團隊在台灣核能級產業發展協會的協助下,以台灣電力公司核一廠場域為目標,欲解決低人力配置狀況下,安全與工安之相關議題。根據訪談之後,歸納出核一廠導入 AI 的技術需求,包含人員進出管制、與人員作業與廠區的安全性監控等。

AI人臉辨識 解決人員進出管制與廠區安全監控兩大難題

在人員進出管制部分,在核電廠部署臉部辨識系統,藉由人臉的唯一性與AI 的高辨識率,提升核電廠的人員進出管制成效;在人員作業與廠區安全部分,也將部署異常行為偵測系統,藉由監視器視訊提供的人員姿態,以 AI 辨識異常或危險行為,即時提供資訊回報給安全人員進行處理。

經過資策會媒合,選定旺捷智能感知公司(簡稱旺捷)的解決方案,分別投入臉部識別與姿態識別兩項功能之開發。旺捷智能與資策會數次討論,最後導入Google的Facenet與Posenet兩項演算法進行系統實作,相對於其他類似的演算法,Facenet每張人臉僅需要128個維度就可以達到最佳效能,所需要的辨識照片也只需要數張,對建立工業級的臉部識別系統來說非常適合,這也是最終決定所採取的方案;Posenet運用於動作偵測,透過Data Processing Unit(以下稱DPU)將資料轉換為機器學習演算法–支援向量機(Support Vector Machine,SVM)能夠接受的格式,進行人體姿態辨識,預測方式為二元分類,分別為跌倒以及非跌倒。

運用可視化頁面 管理介面一目瞭然

兩個系統的使用者介面以Python的網頁框架Flask進行實作,透過網頁服務來適應不同作業系統,達到跨平台系統的目的。眼鏡App則以Unity進行開發,存取網頁資訊。

近年來,由於AI 技術的進步,人臉識別已逐漸應用在安全管理,人臉特徵的唯一性可以去除 RFID 變造的風險,與其他生物資訊辨識 (指紋、聲紋) 相較之下的高正確率、完全客觀沒有人情因素、系統易於架設與維護、運作時可完全自動無需額外人力等。無需置疑地,在安全管理機制中,加入臉部辨識系統可以大幅提高廠區的安全係數,同時降低管理的困難。

人體姿態辨識在實驗室中的運作狀態

▲人體姿態辨識在實驗室中的運作狀態

台灣有四座核電廠,需要負擔龐大的管理成本,若能持續導入AI技術解決方案,不僅可降低人力成本,安全管理的效益也能大幅提升。

推薦案例

【導入案例】哈瑪星科技建構AI模型管理平台 加速AI落地應用
哈瑪星科技建構AI模型管理平台 加速AI落地應用

搭上AI列車,資服業者借助深厚的產業基礎,不僅自己轉型,也協助客戶轉型 成立已超過20年的哈瑪星科技,近年來不斷研發AI技術,並協助產業客戶導入AI。哈瑪星認為,執行一個完整的AI專案,除了AI理論知識、數據分析與模型訓練能力,實務上還需要依據客戶的需求開發數據串接API、建置資料庫、開發前端RWD網頁,甚至還需要考慮到版面設計與使用者體驗 User Experience。這些工作不僅對AI新創業者形成技術門檻,即便對已具規模的業者來說,每個專案反覆投入人力進行類似的功能開發,也難以累積技術經驗、加速業務成長。 機關客戶對於AI仍具備高度客製化之需求 以哈瑪星科技所執行的政府A機關的需求為例,用戶須針對特定管道的不實資訊進行管控,需要平台提供用來訓練模型和預測的數據接入功能,並可以在平台上完成自然語言處理NLP文本分類模型訓練與使用。當模型發現不實資訊時,需要即時透過通訊軟體通報相關負責同仁。而B機關的需求則是希望透過AI模型針對民眾陳情案件進行自動分類,並即時提供陳情民眾或案件承辦人員可參考之歷史案件資訊。儘管專案模式相似 數據接入、模型預測、警示通知,但在個別專案中,仍只能分別進行需求功能開發,無法重複利用既有的程式與模型來加速後續專案的執行。 在深入探討之後,哈瑪星科技發現企業面臨導入AI專案的痛點,包括導入成本高昂、專案時程冗長等,其中,在企業內難以齊備資料科學家、分析師、工程師、設計師等人才,而現階段的專案皆為集中解決特定領域需求,難以重複利用AI模型跨入其他應用領域,同時,因為工具集中在AI專案領域,無法滿足客戶提供整體解決方案。 換言之,在AI技術的落地上,由於AI資服業者往往面臨「人力有限」、「領域限縮」與「工具不足」等困境,致使專案執行成本高昂或時程冗長。這些都是業者們亟需解決的共通性問題。因此,若有一個AI模型應用服務管理平台,將可解決上述困難,不僅能夠快速導入降低成本,還有助於縮短專案時程,提供客戶一站式解決方案。 AI模型應用服務管理平台協助快速完成專案 因此,哈瑪星科技在經濟部工業局AI計畫支持下,進行「AI模型應用服務管理平台AISP研發計畫」,投入研發AISP產品,目的是為了讓AI資服業者能事半功倍地完成AI專案。 AI模型應用服務管理平台提供AI一站式解決方案 透過AISP,AI資服業者可透過既有的模組功能快速組裝數據API介接、模型管理與模型預測結果監控訂閱等需求功能。同時也提供常用的圖形化工具,幫助業者快速設計用戶所需要的互動式圖表或儀表板,有效降低執行專案所需要的人力成本,並縮短解決方案POC或導入時程,加速產業AI落地與擴散。 在產品商模上,短期內將廣邀具備AI專門領域技術的資服業者合作,藉由平台服務解決各類場域需求單位所面臨的AI導入問題,逐步建立平台品牌信賴感。 中期則盼以哈瑪星過往的成功經驗逐步拓展業務市場,聯合多家資服業者建立策略聯盟,針對專門領域可解決更多且廣泛的問題,並提供更多解決方案供場域單位選擇。 平台結合領域專家共同擴展海外市場 長期而言,在建立各項專門領域的AI策略聯盟後,平台將擁有大量針對專門領域的AI解決方案專家,累積大量的專案成功經驗後,哈瑪星科技期望AISP將能與專家業者們攜手合作,共同進軍拓展國際市場。 哈瑪星科技股份有限公司於民國89年延攬多位資深專業經理人及相關領域技術專長人才所組成,致力於軟體技術研發暨服務,並以建構成為國際級軟體公司為目標,積極促成各項跨國產業合作機會。公司在首任總經理的優良領導之下,已快速成長成為臺灣主要軟體公司之一。

【解決方案】搭上綠能商機 華鉬實業打造全釩液流電池儲能系統設備 長效儲能的最佳選擇
搭上綠能商機 華鉬實業打造全釩液流電池儲能系統設備 長效儲能的最佳選擇

綠能是未來趨勢,必帶動未來龐大商機。而風力發電是近年全球矚目綠色能源之一,將成為我國再生能源重要生力軍、幫助台灣發電量於2025年達到20的目標,以提高台灣能源自主性。隨著國內風力發電機風機組數量和電量逐年增長,如何讓儲電設備達到安全、長效性、充放電不易衰減和永續低碳又環保的技術能量顯得格外重要,同時風機設備本身的健康檢測、保養與維修也成為風場業者關注焦點。為滿足風場客戶需要,華鉬實業旗下綠能事業部門推出長效儲能的全釩液流電池電解液及風機AI預測性運維,提供100安全、長效性且可降低客戶初製成本的電力儲能設備,並透過AI預測性運維服務協助客戶降低發電度成本10,節省最多30維護保修成本。 華鉬實業成立於1998年,本業以提煉釩、鉬及稀有金屬元素等製品起家,並運用於高階鋼鐵、專業化工及特用化學品等行業,而釩更如同煉鋼的維他命可加值煉鋼的成效。其中釩、鉬相關製品為公司主力項目之一,公司看見100以釩元素為主的全釩液流電池在長效儲能上未來將是相當被看好的綠能技術主流,並且2010年以前政府已積極請法人如工研院在固態電池和全釩電池進行相關零組件材料投入研究,再加上經濟部期許再生能源在2025年發電量佔比達20目標並達15GW,基於上述考量,華鉬實業決定於2017年全力研究與投入自主開發的全釩液流電池電解液的技術開發,以藉此加速2025年再生能源的達標率。 華鉬公司指出「再生能源的電源較不穩定,而台灣本身缺乏鋰資源,在鋰電池製造上幾乎80-90電池芯必須倚賴國外採購,缺乏100國內自足自給的儲能資源與技術。」同樣地,對於本身沒有天然釩礦資源的台灣是如何克服呢 為此,華鉬實業利用獨創技術,透過石化業如中油煉油廠或台朔石化製程中的廢觸媒,其中有高達10釩離子成分可提煉出高價值的釩礦資源,藉此生產出台灣100自主自製的全釩液流電池電解液且不受資源影響,有效達到資源循環再利用。自2017起華鉬實業已成功打造出全釩液流電解液技術,並順利通過工研院和核研所及多家國際大廠的產品驗證。 台灣在儲電能量目標於2025年要達15GW,其電力分配包含500MW於台電的自動調頻系統、500MW於E-dReg及500MW於既有或新設的太陽能電廠,以太陽能電廠的用電使用為例,主要以下午4點到晚上10點用為民生用電尖峰時段,為此,能源局特別要求台電必須加強儲能設備的升級,也因此帶動市場上對全釩液流電池儲能系統設備的高度需求。另外,台灣在目前總儲備電能的建置與貢獻尚未達到100MW,距離2025年目標15GW儲電量仍差距15倍以上。 運用全釩液流電池 成功打造100安全、低碳環保又長效性儲能系統設備 相較於鋰電池的短效電力儲能,全釩液流電池的最大優勢為全球公認可長效性的儲備電能,可以長時間儲能達12小時,代表若充12小時電力,則可以釋放12小時電力。相較於一般儲能系統的計電方式也就是每日用電度數功率以千瓦為單位 x時間以小時為單位,對全釩液流電池而言,功率和小時數是各別設計,該功率又稱為電堆,是由金屬、高分子模、碳氈和石墨板等四種材料組成,而該用電時間改以電解液的量以立方體為單位來計算,因此當功率電推 x電解液的量我們每日運用全釩液流電池儲能的用電度數。 全釩液流電池儲能系統設備之產品特色方面,包含安全性、長效性、充放電不易衰減和永續低碳環保性等四大特色。全釩液流電池品質是100安全,由於電能是儲存在含釩的電解液中,能避免儲飽電的儲能系統造成任何易燃事故發生。在電池壽命上,相較於鋰電池的電池壽命短暫,全釩液流電池透過價數變化可高達20-25年以上電池壽命。對於儲能的充放電性能,不像鋰電池有一定充放電次數5000-600次,全釩液流電池的充放電次數是沒有限制性的。對於全球高度重視的零碳排放,不同於鋰電池有回收議題,全釩液流電池的電解液可永久使用,該電堆材料成分是環保的且可完全回收,以打造真正永續性又低碳環保的儲能系統。 陸域風機AI預測智慧運維 讓客戶降低發電度成本10 省下維護保修成本高達30 華鉬實業不只透過全釩液流電池儲能系統設備提高再生能源客戶長效儲電效能、協助客戶降低初置成本,更透過離岸與陸域風機AI智慧運維實證計畫在台電的陸域風場的場域實證,積極累積自家在AI預測性運維的技術經驗和能量。在經濟部工業局AI HUB計畫支持下,合作場域將以台電公司路域一期風場為主並提供6個月以上風機的智慧運轉數據進行分析。本次陸域風機的AI預測運維系統,採用機器學習方式,主要技術提供者來自英國British PetroleumBP石油集團的子公司ONYX Insight,該公司透過AI Hub分析軟體技術進行台電面臨的風機痛點分析,包含路域風機的發電量損失和陸域風機的關鍵零組件如齒輪箱、變槳軸承hellip在異常震動三維的振動頻率或異常溫度等狀態下進行損壞預測等報告產出。透過本次落地實證可有效協助台電降低發電度成本10,增加資產價值12,節省最多30維護保修成本。近三年ONYX Insight在全球已成功預測運維2萬台以上離岸或陸域風機,累積極高的AI模型準確率。相信透過與ONYX Insight建立的國際合作夥伴關係,將有效輔導並加速華鉬實業的綠能事業部在邁向成為風機AI預測性運維的獨立科技服務提供者之目標與布局。 與合作夥伴ONYX insight提供客戶AI預測運維系統,包含風機發電量損失與風機關鍵零組件之損壞預測 厚植國內風機運維的基礎 以台灣為基地 拓展到東南亞風場 離岸風機AI預測性運維未來在台灣將超過300億台幣的的市場產值,儲能市場在全球更是有千億美金以上的產值,在未來公司願景,華鉬實業期許能成為釩液流電池電解液及風機AI預測性運維的獨立技術服務提供者。而長期目標,透過累積豐厚技術及實績資本,在世界各地建立釩液流電池電解液之在地供應鏈,就近供應產業需求。

【導入案例】巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用
巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用

衛星遙測影像雖然可以讓地面景物無所遁形,然真正要能落地應用至產業面,還需要耗費大量時間與人力。為有效解決客戶面臨巨量影像資料消化困難及消除跨領域用戶對衛星遙測影像處理的技術障礙等問題,興創知能研發「巨量遙測空間數據AI分析雲端服務平台」,作為智慧空間資訊跨域AI應用導入的新開端。 近年來,為了因應產業全球化衝擊,臺灣農業轉型持續走向科技化與精緻化,紛紛從微氣候衝擊、病蟲害防治等問題的解決,來提升農作物的產量與品質。為了精確掌握作物的生長環境、農業對於影像的使用,有了無限擴張的需求。 在早年UAV無人機尚未盛行的年代,人工田野調查是最基本、卻也最消耗人力的工作,有了UAV無人機的出現,航拍操作也許不太困難,但能拍的範圍受限,要精確地擷取空間資訊,還需要測量專業。此時,衛星遙測數據的使用可能就此跳脫過去使用影像資料的想像。 國家太空中心TASA資料倉儲服務 在近十年,現代衛星遙測應用技術的突破,數位地球成了全球資料採集的新趨勢、各國紛紛發展資料立方的影像倉儲技術,各國發展智慧農業成了最大的影像用戶之一,掌握作物的栽種分佈,就是掌握作物產量的第一步,有了免費的衛星遙測影像、強大的資料倉儲支援,以及團隊穩健的影像辨識技術,是加速農業轉型的重要支持。 運用衛星遙測影像數據 可加速智慧農業發展 然而,在過去,想透過衛星遙測影像來萃取大面積作物分布,也是困難重重,所需要花費的費用不說,若想使用免費的資訊,必須逛透國際太空機構的網站,在琳瑯滿目的衛星產品規格表中,審慎評估感測器規格、影像解析度以及再訪週期,找到適合的影像後,還得一幅一幅的看,去蕪存菁,接下來,動輒數百MegabyteMB的影像資料、連續幾十張的影像下載存檔,所用的電腦容量恐不堪負荷。 還有,當克服影像存取、備好資料後,接著必須開始確認下載的影像產品,哪些才是想要的波段,因為眼前看到的影像並不只是一個圖檔jpg或png,複雜的多光譜資訊、屬性欄位和座標資訊,光是確認正確的資訊,就耗費龐大心力。 而面對功能複雜的GIS套裝軟體,又是另一個麻煩的開始,複雜的影像前處理流程,以及缺乏彈性的機器學習套件,大幅降低分析資料的效率。好不容易做出作物辨識的結果,才發現可能已經過了圖資使用的黃金時期。上述複雜耗時的衛星影像處理問題,恰恰就是市場的痛點, 興創知能從傳統的機器學習擴展到現代的深度學習應用,研發在GeoAI框架下的「巨量遙測空間數據AI分析雲端服務平台」,為客戶突破這些空間資訊的魔鬼細節。 AI分析雲端服務平台流程導入前後之差異 興創知能表示,在我國國家太空中心TASA, Taiwan Space Agency的多年努力下,屬於臺灣的ODCOpen Data Cube系統也已打造完成啟動服務,與國際趨勢正式接軌,強大的倉儲技術讓使用者可以輕易的根據需求,擷取並使用特定時間與空間範圍的影像資料,倉儲收納了國際太空機構旗下的多個衛星影像資源,包含ESA的Sentinel-1每隔6日一幅、Sentinel-2每隔6日一幅,USGS的Landsat-7每隔16日一幅、Landsat-8每隔16日一幅,以及國內自有的Formosat-2每日一幅與Formosat-5每隔2日一幅。 以Python語言為基礎 興創知能開發衛星影像辨識工具 擺脫GISGeographic Information System套裝軟體的侷限,興創知能以Python語言為基礎,整合GDALGeospatial Data Abstraction Library,並考慮運算效率與平行處理,完成所有衛星影像處理與影像辨識建模所需的工具開發,包含座標系統與資料格式的轉換、網格與向量資料互動,以及資料內差與正規化等工具,都是以AI應用為考量進行設計,而部分常用的工具更以TronGisPy為名,打包為開源套件造福技術社群。 興創知能善用團隊對衛星遙測影像的了解,以及透過所蒐集的標記資料作物分佈圖資,預設好影像辨識建模過程,所需的訓練資料規格與資料集定義,套用事先完成的機器學習LightGBM或深度學習CNN框架,並讓整個訓練過程在Web GIS的介面中,提供使用者部分的彈性,自由篩選影像、確認時空範圍、選用模型與超參數調整。除了訓練模型的操作,也提供歷史模型的運用產出辨識結果,最終讓作物分佈的辨識結果展示在Web GIS圖台。 事實上,不僅只是農業才會有衛星遙測的應用需求,隨著各行各業為了提升企業全球性的競爭能力,空間資訊的智慧化應用也大幅度的出現在各種領域之中。舉例而言,擁有大量圖資的測繪業者,能夠透過AI分析雲端服務平台 ,收納圖資的同時也加速數化製圖的效率;在全球氣候劇烈變化與致災性地震風險之下,產業保險類別豐富,農業保險、金融保險或是災害保險,都與空間資訊脫離不了關係,透過遙測影像辨識掌握保險標的早已成為國際趨勢。 巨量遙測空間數據AI分析雲端服務架構