电力用国产求解器赛

优化求解器广泛应用于能源电力、工业制造、交通物流等领域，在工业设计软件中具有举足轻重的地位。其中，电力作为涉及国计民生和战略安全的领域，电网调度运行优化求解具有变量多、约束复杂、求解难度大等特点，底层优化求解引擎技术亟待取得突破。此次电力用国产求解器大赛以电力领域应用为场景，旨在推动国产优化求解器技术发展。

在本次比赛中，深圳市大数据研究院派出“仙鹏求解器团队”进行参赛，团队最终凭借自主研发的求解器——“仙鹏求解器”获得“八强团队”荣誉。

“仙鹏求解器”是我院团队研发出的具有自主知识产权、高性能的通用优化求解器，它能高效、精确求解混合整数规划问题，对电力系统面临的优化问题有针对性设计，该求解器已成功应用于能源、航空和通信等诸多领域。

基于机器视觉的配网无人机智能巡检赛

无人机巡检技术在输电线路巡检领域取得广泛应用，并向配网扩展。在其深化应用中，遇到两大核心技术问题：一是如何结合机巢实现无人机的全自主巡检；二是如何基于人工智能技术实现设备缺陷的准确辨识。本赛事主要由航迹规划和视觉检测两部分组成，在仿真系统进行。该比赛旨在考查参赛队伍的算法在巡检及缺陷辨识方面的优越性，促进无人机智能巡检技术的发展。

大赛宣传视频截图

在此次比赛中，由深圳市大数据研究院研究科学家（李航，何彦东，邱添羽，朱光旭）和访问硕士研究生（李宵杰，倪杉杉，郭增柱）组成的团队参赛，取得了“十强团队”的荣誉称号（比赛分数实际排名第7）。

团队提出的航迹规划方案通过一次聚类确定无人机机巢的摆放位置，再通过二次聚类确定巡检的塔杆子集，并利用自适应大规模近邻搜索算法对路径进行规划。该方案具备部署方便、复杂度低、冗余度高等优点，能够在48小时内完成给定所有杆塔的巡检。在视觉检测中，算法模型包括目标检测和异常检测两阶段。第一阶段中，采用了Yolov5模型对图像中所有目标进行检测，输出检测图像和对应图像的类别、检测框坐标等信息。第二阶段中，根据第一阶段检测出的目标图像作为该阶段模型输入，使用MobilenetV2模型对每类图像进行是否异常的二分类判断。该方案在数据集有限的情况下效果优良，具备高准确性和部署灵活等优点。