Набор данных по солнечной энергетике Юньнаньского института CEEC выбран на Всемирную конференцию по искусственному интеллекту 2026 года

Репортаж от Wedoany，Всемирная конференция по искусственному интеллекту 2026 года и Совещание высокого уровня по глобальному управлению искусственным интеллектом прошли в Шанхае с 17 по 20 июля. В ходе мероприятия 17 июля Государственная комиссия по надзору и управлению государственным имуществом провела форум «Интеллектуальное обновление качества, всесторонняя трансформация» по высококачественному развитию искусственного интеллекта на предприятиях, на котором были опубликованы выдающиеся результаты высококачественных наборов данных отраслевых центральных предприятий в рамках инициативы «Сто областей, интеллектуальные данные». Мультимодальный набор данных для интеллектуального контроля прогресса строительства солнечных электростанций, разработанный Юньнаньским институтом CEEC, был успешно отобран.

Этот набор данных является репрезентативным цифровым активом в области цифровизации и интеллектуализации проектов в сфере новой энергетики. Он выделился среди множества заявок от центральных предприятий и стал одним из первых опубликованных высококачественных наборов данных в рамках инициативы «Сто областей, интеллектуальные данные», что свидетельствует о прогрессе CEEC в области оценки стоимости и сценариев применения инженерных данных.

Мультимодальный набор данных для интеллектуального контроля прогресса строительства солнечных электростанций направлен на решение таких проблем, как разрозненность данных, задержка информации и сложность проверки объемов работ в управлении прогрессом строительства солнечных электростанций. Он включает мультимодальную систему данных, охватывающую аэрофотоснимки с дронов, видеозаписи с места работ и строительную документацию, а также ключевые этапы строительства, такие как бурение, заливка бетона, установка опор и монтаж модулей, обеспечивая стандартизированную поддержку данных для автоматического расчета объемов работ и динамического контроля прогресса.

Что касается масштаба и качества данных, общий объем набора данных превышает 5 ТБ, включает более 50 000 аэрофотоснимков и более 10 000 размеченных изображений, с ежедневным приростом в 10 ГБ. Комплексная оценка качества данных достигла 95,2 балла, а точность распознавания сцен превышает 95%. Набор данных характеризуется большим объемом, высоким качеством и возможностью непрерывного обновления, что обеспечивает прочную основу для обучения моделей интеллектуального распознавания прогресса строительства солнечных электростанций.

С точки зрения практического применения, платформа полного цифрового управления цепочкой, созданная на основе этого набора данных, позволяет автоматически распознавать строительные элементы, рассчитывать объемы работ и отображать прогресс. В настоящее время набор данных применяется в более чем 10 проектах EPC по солнечной энергетике как в Китае, так и за рубежом, включая чистую энергетическую базу CGN в Северном Лаосе, реализуемую Юньнаньским институтом по контракту «под ключ», и новую энергетическую базу в пустыне Гоби в Алашане, Внутренняя Монголия, с передачей электроэнергии на дальние расстояния. Средняя продолжительность проектов сократилась на 8–12%, экономия времени составила от 15 до 20 дней, общая экономия затрат — от 1,5 до 2 миллионов юаней, эффективность обновления данных о прогрессе повысилась более чем на 30%, что позволило значительно снизить объем ручных проверок и риски безопасности на месте, а также перейти от ручной статистики к мониторингу в реальном времени и от эмпирических суждений к управлению на основе данных.

Этот набор данных является результатом исследовательского проекта команды Юньнаньского института CEEC «Исследование методов извлечения определённых объектов из цифровых ортофотопланов с дронов на основе пространственного машинного обучения». Результаты проекта глубоко интегрируют аэрофотосъемку с дронов, пространственное машинное обучение и управление прогрессом строительства солнечных электростанций, формируя воспроизводимый и масштабируемый путь разработки инженерных наборов данных. Это позволило перейти от научных методов к практическому применению, обеспечив более прочную основу и техническую поддержку для «искусственного интеллекта + строительство» и цифрового управления проектами в сфере новой энергетики.