《AI助力核电监控智能化》——阳江核电有限公司信息文档副主任工程师程朗

2025年11月14日，阳江核电有限公司信息文档副主任工程师程朗在深圳核博会“AI+核能创新应用场景路演”上发表《AI助力核电监控智能化》主旨报告。

分享围绕AI助力核电监控智能化，介绍阳江核电针对传统人工监控滞后、巡检风险高、设备状态难掌控等痛点的实践。其核心做法是建设视觉智能算法平台和分布式架构，形成算法生产、解析、应用与迭代闭环，并在火焰烟雾、设备巡检、行为规范和冷源监控等领域上线应用。项目提升了风险识别、无人值守、系统联动和事前预防能力，并推动核电智能化从单点试点走向更广范围推广。

关键点
1. 分享主题与背景（00:12）
讲者来自阳江核电有限公司，分享主题是“AI助力核电监控智能化”，重点介绍核电智能化实践中的探索与成果。

2. 传统核电监控的痛点（00:40）
传统监控长期依赖人工，存在隐患发现滞后、人工监测不及时、风险巡检和高安全管控存在盲区等问题。早期火情难以及时捕捉，高温、高空、高噪声等区域巡检存在人身安全风险，关键设备运行状态也难以高效掌握。

3. 视觉智能算法平台建设（01:34）
针对行业痛点，项目搭建视觉智能算法平台，实现成熟算法快速部署、算法快速迭代，并形成算法生产、解析、应用和迭代的闭环体系。讲者强调算法迭代很重要，正常算法通常需要迭代三到六次才能上线。

4. 分布式架构与数据安全（02:02）
技术架构采用分布式部署，将阳江现场数据回流到集团训练平台进行算法调优，以节省成本。在数据安全方面，支持参数、存储、使用、管理等层面的安全隔离，并通过集中管控、弹性扩展和热备技术提升平台可靠性与可用性。

5. 十八类算法覆盖四大领域（02:42）
阳江核电已上线十八类算法，主要覆盖火焰烟雾、设备巡检、行为规范和冷源监控四大领域，为核电监控智能化提供具体应用支撑。

6. 火焰烟雾风险防范（02:58）
在火灾风险防范中，视觉AI与传统消防系统联动，实现报警后视频自动弹框，缓解现场人员复核慢、复核风险高的问题。项目还开发火焰烟雾识别算法并部署在润滑油室、电缆夹层、柴油机等高风险厂房，同时在新项目中使用三波段红外热成像与视觉AI提升报警准确率。

7. 重要设备智能巡检（03:49）
重要设备巡检是核电运行保障的核心，设备故障可能造成跳机跳堆并带来高额损失。项目开发了ARE阀门漏气、电机闪发等核电专用算法，实现设备状态实时报警，并使用对抗神经网络解决部分场景样本不足的问题。

8. 人员行为规范管控（04:22）
人员行为管控是核电监管底线，项目采用视觉分析方法开发核电特有控制算法，覆盖酸碱区域护目镜佩戴检测、控制区体表污染相关行为，以及控制区戴手套摸脸等风险行为识别。戴手套摸脸可能将污染带到脸部或口部，对人体造成影响。

9. 大小模型分层降低资源消耗（05:01）
为有效利用资源，项目采用小模型预检和大模型复核的分层结构，在保障识别精度的同时降低资源消耗。由于现场存在上百个摄像头，全部使用大模型会显著增加显卡消耗，因此分层方案更适合现场部署。

10. 冷源拦截网异常监控（05:32）
冷源是三回路安全相关的通道介质，冷源拦截网故障可能导致冷源失效并扩大故障。项目通过视觉AI识别冷源网断裂异常，提高巡检效率，并计划与拦截网拉力计深度联动，在数据超值时触发摄像头定位拍摄和AI复核，以减少恶劣环境下纯视觉方案带来的误报。

11. AI系统的优势与推广方向（06:33）
与传统方法相比，AI系统带来技术先进、效率提升、成本优化、安全强化和集成联动等优势。视频AI化后从事后追溯转向事前预防和事中控制，并通过集团和电厂协同构建统一AI智能底座，推动核电智能化从单点试点向全域普及升级。

时间线
00:11 - 开场介绍讲者身份，并引出核电监控智能化的分享主题。
00:40 - 说明核电安全运营的重要性，以及传统人工监控和巡检方式面临的主要行业痛点。
01:34 - 介绍项目的总体解决思路，包括视觉智能算法平台、算法闭环迭代、分布式架构、数据安全和可靠性设计。
02:42 - 进入应用成果展示，围绕已上线算法及火焰烟雾、重要设备、人员行为和冷源监控等场景展开说明。
06:33 - 总结AI监控系统相较传统方法的优势，并提出依托统一AI底座推动核电智能化推广升级。

AI 延伸阅读(下文由AI生成，其内容可能存在偏差，请注意甄别)：

AI助力核电监控智能化：阳江核电的实践与探索

2025年11月14日，在深圳核博会“AI+核能创新应用场景路演”上，阳江核电有限公司信息文档副主任工程师程朗以《AI助力核电监控智能化》为题，介绍了阳江核电在视觉智能算法平台建设、核电安全风险识别、关键设备巡检、人员行为管控和冷源系统监测等方面的探索与应用。报告围绕核电安全运营这一核心命题展开，指出核电作为清洁能源体系的重要组成部分，其稳定运行必须以高可靠的安全监控为前提，而传统依赖人工巡检和人工复核的方式，在隐患发现、风险响应、特殊区域巡检和关键设备状态掌握方面存在明显局限。

在传统监控模式下，核电厂日常风险巡检和高安全管控场景容易出现盲区，早期火情难以及时捕捉，报警后现场复核耗时长且存在安全风险；高温、高空、高辐照等区域也会给巡检人员带来较大人身安全压力。同时，部分关键设备运行状态无法做到实时掌握，一旦人工巡检效率不足或异常发现滞后，可能延误处置窗口，甚至带来跳机、跳堆等严重后果。基于这些痛点，阳江核电将人工智能视觉识别能力引入监控体系，推动监控模式由人工被动发现向智能主动识别转变。

为支撑智能化应用落地，阳江核电建设了视觉智能算法平台，形成算法生产、算法解析、算法应用和算法迭代的闭环体系，使成熟算法能够快速部署，并根据现场反馈持续优化。报告提到，一个算法通常需要经过三到六次迭代后才能达到稳定上线状态，这意味着核电场景中的AI应用并非简单移植通用模型，而是需要结合现场环境、业务规则和安全要求进行持续训练与验证。平台采用分布式架构，将现场数据回流至集团训练平台进行算法调优，既降低数据处理和模型训练成本，也强化了集团与电厂之间的协同能力。

在技术架构上，平台重视数据安全与系统可靠性，通过参数面、存储面、管理面等多层隔离机制保障数据安全，并支持大规模分布式设备集中管控和无感弹性扩容，以适应核电厂大量摄像头、多场景并发识别的需求。平台还通过热备技术提升服务高可靠性和高可用性，确保智能监控能力能够长期稳定运行。目前，阳江核电已上线十八类视觉智能算法，覆盖火焰烟雾、设备巡检、行为规范和冷源监控四大领域，初步形成面向核电生产安全的视觉AI应用体系。

在火焰烟雾风险防范方面，阳江核电将视觉AI与传统消防系统联动，报警触发后可自动弹出相关视频画面，帮助值班人员快速复核现场情况，减少因人工赶赴现场确认而带来的时间延迟和复核风险。火焰烟雾识别算法重点部署在润滑油室、电缆夹层、柴油机等火灾风险较高的厂房区域，提升早期火情识别能力。在新项目中，阳江核电还引入三波段红外热成像技术，并结合燃烧物视觉AI识别，提高报警准确率，使火情能够被更早、更快发现。

在重要设备智能巡检方面，报告强调关键设备是核电巡检的核心对象，其运行状态直接关系到机组安全稳定。一些设备故障如果未被及时发现，可能引发跳机、跳堆，造成重大经济损失。针对核电设备的特殊性，阳江核电开发了阀门漏气、电机闪发等专用识别算法，实现关键设备异常状态的实时报警。由于核电场景下部分异常样本较少，模型训练面临数据不足问题，项目通过对抗神经网络等技术手段缓解样本稀缺带来的识别难题，提高专用场景算法的可用性。

人员行为与安全管控也是阳江核电视觉AI应用的重要方向。核电厂对人员行为规范要求极高，尤其是在控制区、酸碱区域等特殊场所，人员防护不到位或不当行为可能带来污染、伤害或安全管理风险。视觉算法可识别酸碱区域是否正确佩戴护目镜，监测控制区体表污染相关行为，并对控制区戴手套摸脸等高风险动作进行识别，降低污染进入体表或体内的可能性。为兼顾准确率与资源消耗，平台采用小模型预检与大模型复核的分层结构，在大量摄像头并发监控场景下减少显卡资源占用，同时保障识别效果。

在冷源拦截网智能监控方面，阳江核电结合自身台风高发的环境特点，探索“拉力触发+视觉复核”的联动机制。冷源作为三回路安全相关通道介质，直接参与热交换，冷源拦截网一旦断裂或发生异常，可能导致冷源失效并扩大故障影响。视觉AI可识别冷源拦截网断裂等异常情况，提高现场巡检效率。项目还在推动冷源拦截网拉力计与视觉AI深度联动，当拉力数据超限时自动触发摄像头定位拍摄并进行AI复核，通过传感数据与视觉识别双重验证提升异常判断可靠性，也降低单纯依赖视觉识别可能带来的误报风险。

从整体价值看，阳江核电的AI监控智能化实践体现出技术先进、效率提升、成本优化、安全强化和系统联动五方面优势。它突破了传统人工管控对经验和响应速度的依赖，使风险识别更加智能化；通过无人值守和秒级响应提升监控效率；减少重复性人工巡检和复核投入，优化运维成本；推动安全管理从事后追溯走向事前预防和事中控制；同时打破不同系统之间的信息孤岛，实现消防、视频、传感器、算法平台等多源数据协同。未来，阳江核电将继续依托集团与电厂协同优势，推动核电智能化从单点试点走向全域普及，构建统一AI智能底座，服务核电企业安全可控、效率提升、成本优化和数字化转型。