06 / CASES
从有数字、有地点的
案例中学习。
谁的资产、在哪里、用什么机体和传感器、改变了什么。没有收到成效的案例,以及仅为估算的数字,都原样保留。
没有结果。请试试更短的词。
桥梁 · US · 2016
MnDOT:分阶段开展的无人机桥梁检查研究,涵盖包括 Blatnik 大桥在内的 39 座桥梁
MnDOT 于2015年至2017年分阶段在39座桥梁上试用检测无人机。报告称平均节省成本40%,在 Blatnik 大桥上成本从约59,000美元降至20,000美元,工期从8天缩短到5天。有一座桥梁使用无人机反而成本更高,且需要动手操作的任务和狭窄空间仍超出其能力。
高速公路与道路 · JP · 2024
首都高速公路:基于机库的自动化无人机对三座大跨度桥梁同时检查
2024年1月,首都高速公路公司在包括彩虹大桥在内的三座大跨径桥梁上同时测试了基于机库的自动无人机检测。自动起降和航线飞行运行正常,视频可远程查看。东京严重的无线电干扰使视频质量取决于网络状况,这仍是一个问题。
大坝 · CZ · 2024
VZU Plzeň:使用带保护笼的无人机检查 700 m 长的水电站压力钢管
2024年,捷克试验机构 VZU Plzeň 用带保护笼的无人机检查了一条 700 m 长的水电压力钢管。据称省去脚手架台车后,作业从12天缩短到2天。数字来自制造商案例研究,电站未具名。
大坝 · JP · 2024
东京电力可再生能源发电公司:葛野川大坝震后远程无人机检查试验
2024年,东京电力可再生能源发电公司在葛野川大坝试验了震后远程无人机检测。结合 Starlink、专用 LTE 和无人机机库,实现了在距大坝约 2 km 范围内的远程操控。未量化时间节省,常规使用前仍需完成监管和通信方面的工作。
锅炉与加热炉 · NO ·
Returkraft:对垃圾焚烧发电锅炉进行无脚手架超声波测厚检查
挪威垃圾焚烧发电厂 Returkraft 使用搭载超声测厚(UT)设备的无人机测量锅炉管壁厚度。制造商报告称,UT 作业从最多300小时降至约8小时,无需脚手架,停机时间缩短约48小时。在狭窄弯曲的管子上调整探头角度较为困难,且需要预先清洁。
烟囱与排气塔 · MY · 2024
马来西亚燃煤电厂:对 180 m 高的烟囱进行无人机内部检查
马来西亚检测公司 AL Pine 用带保护笼的无人机检查了一座 180 m 高、直径 8 m 的燃煤电厂烟囱内部。避免了绳索作业和脚手架,作业在停机期间2天内完成。制造商案例研究中给出的成本节省为20%,未提供明细。
下水道管道 · AU · 2024
悉尼:对污水设施中 70 m 深的竖井和岩石隧道进行无人机检查
澳大利亚公司 Metrocorp 用 LiDAR 无人机测绘了悉尼污水设施中一座 70 m 深的竖井和岩石隧道。无需人员进入,据称隧道测绘从2小时以上缩短到30分钟,人员从7–10人减至3人。50–70% 的成本节省是制造商文章中的估算。
矿山与竖井 · OM · 2024
阿曼地下矿山:用 LiDAR 无人机进行爆破后采场测量
阿曼公司 IFDC 用 LiDAR 无人机测绘地下矿山爆破后的采场。避免了进入不稳定地层,据称在15次作业中节省了500,000美元,时间最多减少60%。数字来自制造商案例研究,精度取决于现场条件。
公路与铁路隧道 · CH · 2024
瑞士瓦莱州:对因山体滑坡而坍塌的公路隧道进行无人机勘察
2024年2月,山体滑坡损毁了瑞士瓦莱州的一条公路隧道。次日,州政府自己的飞手驾驶 LiDAR 无人机进入隧道,在不派人进入的情况下以三维方式记录了损毁情况。隧道于2024年6月重新开放,但未量化时间和成本节省。
地下隧道与综合管廊 · BE ·
布鲁塞尔交通局:用 LiDAR 无人机勘察 13 km 的地下技术廊道和雨水管渠
布鲁塞尔交通局用 LiDAR 无人机测绘了 13 km 的地下技术管廊和雨水管道。9个外业日共241次飞行,记录了1,776个关注点。该案例也报告了 LiDAR 漂移、必须手工扫描的区段,以及繁重的数据处理工作。
船舶与海上结构物 · ·
C-Bird:用两架无人机对一艘船的 12 个油舱进行目视和超声波检查
船舶检测公司 C-Bird 用两架带保护笼的无人机在7天内完成了12个油舱的目视和 UT 检测。避免了脚手架和高处作业,两名飞手的团队取代了大批人员。数字来自制造商文章,未说明船名和地点,且仍需船级社验船师指导作业。
工厂管道与管架 · ·
Turner Specialty Services:对 600 m 长的高架管架进行无人机检查
Turner Specialty Services 用无人机检查了约 600 m 长、高约 15 m 的管架。作业耗时2天、39次飞行,据称成本比传统登高方式低约60%。大风天无法飞行,数字来自制造商案例研究。
流程工厂 · US ·
Dominion Energy:在 Surry 核电站大修期间对凝汽器进行无人机检查
Dominion Energy 的内部团队用无人机检查 Surry 核电站的冷凝器。据称省去全套脚手架后,检查从一周以上缩短到两个12小时班次,每次停机节省超过200,000美元。文章内部的节省数字前后不一致,且维修处仍需脚手架。
储罐 · CA ·
AeroVision Canada:30 分钟完成地下油水分离罐的无人机检查
AeroVision Canada 用带保护笼的无人机检查了一座地下油水分离罐的内部。三次飞行共30分钟采集了数据,储罐仅停用一个工作日。制造商文章中的节省额只是粗略数字。
风力发电机 · US ·
Pathfinder Optics:在风机叶片内部进行无人机检查,每天四台风机
美国公司 Pathfinder Optics 用带保护笼的无人机检查风力机叶片内部。人员不再需要爬进叶片,据称日处理量从1–2台提高到4台。风力机仍须停机,且仍需有人爬到轮毂,100万美元的节省只是笼统估算。
办公楼与外立面 · US ·
布鲁克林陆军码头:翻新前对电梯井和机电管井进行无人机扫描
在由 NYCEDC 翻新的 Brooklyn Army Terminal,电梯井和机电(MEP)竖井由带保护笼的 LiDAR 无人机扫描。只需在墙上开一个小口,数据采集用了一天、八次飞行。未量化节省,来源为制造商文章。
下水道管道 · NZ ·
基督城市议会:一天内用 LiDAR 无人机勘察约 265 m 的双线雨水管道
基督城市议会委托用 LiDAR 无人机测绘了约 265 m 的双排雨水管道。数据在一天内采集完成,无人进入管道。无人机测绘与 CCTV 结合使用而非取而代之,未给出成本数字。
锅炉与加热炉 · AU ·
澳大利亚燃煤电厂:紧急停机期间对 25 个炉膛燃烧器进行无人机检查
澳大利亚服务商 Drone Elevation 在一座燃煤电厂紧急停机期间,用带保护笼的无人机检查了25个炉膛燃烧器。目视检查后只需拆除9个燃烧器,据称节省了300多小时。制造商文章内部的数字前后不一致。
矿山与竖井 · SE ·
LKAB 基律纳矿:溜井检查时间从 8 小时缩短到 20 分钟
瑞典矿业公司 LKAB 将基律纳矿的溜井检查从吊放 300 kg 的检测车改为 LiDAR 无人机。一次飞行覆盖 300–350 m,据称作业从约8小时缩短到20分钟,人员从两人减至一人。未量化成本节省。
烟囱与排气塔 · CA · 2023
Canadian Natural Resources:在没有起重机可用的情况下用无人机对烟囱进行超声波测厚
2023年,CNRL 在艾伯塔省北部一处设施的烟囱上试验了基于无人机的 UT 测厚。无需起重机或拆除保温层,作业不到一小时完成。探头为原型机,仅测量了四个点,未报告成本。
桥梁 · JP · 2025
日本国土交通省近畿地方整备局:使用 360° 避障无人机进行桥梁检查的成本与工期比较
国土交通省近畿地方整备局在三座桥梁上比较了使用360°避障无人机与桥梁检测车进行桥梁检查的成本和工期。估算工期缩短约40–70%,但成本仅节省约10–20%。有风或下雨时停飞,在坠落物可能伤及公众的地方仍需敲击检查。
输电线路 · US ·
American Electric Power:无人机影像在变电站发现第二条即将失效的架空地线
在 AEP 一座变电站,一根架空地线掉落到 345 kV 母线上之后,人员从场区外用无人机拍摄了现场。影像发现了第二根濒临断裂的架空地线,而人工检查漏掉了它。制造商称此举避免了近800万美元的损失,但未说明计算方法。
高速公路与道路 · US · 2018
NJDOT:高速公路互通立交 244 根高杆灯的无人机检查成本比较
2018年,新泽西州交通厅(NJDOT)比较了对高速公路立交处 244 根高杆灯进行无人机巡检的成本。与用斗臂车逐根检查相比,无人机便宜得多,但其直接成本高于现行的地面检查方法。只有在将避免封闭车道的收益折算成金额后,无人机才略占上风。
流程工厂 · CA · 2020
Ontario Power Generation:一天内用室内无人机检查水轮机转轮
安大略发电公司(Ontario Power Generation)在其桑德斯(Saunders)水电站使用室内无人机检查了水轮机转轮的下表面。原本需要搭设约一周脚手架的工作,一天内即告完成。未公布成本数据,覆盖范围也仅限于叶片下表面。
船舶与海上结构物 · PL · 2026
Laura Maersk 号:无需除气即对甲醇燃料舱进行无人机检查
2026年4月,在格但斯克,一架无人机对集装箱船 Laura Maersk 的甲醇燃料舱进行了检查。无需除气或人员进舱,不到两小时便采集了目视和测厚数据,并经船级社验船师验证。这仅是一次试验,船级检验中的正式认可仍在发展之中。
储罐 · ·
Ingenieursbureau Klink:在不停用的双层柴油储罐上用无人机完成 84 个超声波测厚读数
荷兰工程公司 Klink 将一架超声波测厚(UT)无人机飞入某能源厂一座 2,900 m³ 双层壁储罐的夹层空间,采集了 84 个厚度读数。内罐全程满载柴油,无人进入。未给出时间或成本数据,这也是该公司首次承接此类工作。
工厂管道与管架 · US ·
壳牌:由经再培训的绳索作业技术人员用系留超声波无人机检查海上管道和容器
壳牌美国公司(Shell USA)使用系留 UT 无人机检查墨西哥湾海上平台的管道和容器。绳索作业技术人员经再培训成为飞手,壳牌称原本需要一整天的工作如今只需几分钟。公布的数据很少,需要动手处理的工作仍依赖绳索作业。
办公楼与外立面 · NL ·
荷兰某市政当局:用无人机评估一栋 1930 年代地标建筑危险阁楼的状况
荷兰一座城市在修复一栋破败的 1930 年代地标建筑前,用带保护笼的无人机勘察了阁楼。人员进入被判定为不安全;勘察耗时一天,费用约为通常的三分之一。螺旋桨扬起的灰尘降低了能见度,需要精心布光。
风力发电机 · · 2024
Drone Solution(瑞典):27 分钟完成 67 m 风机叶片的内部检查
2024年,瑞典服务商 Drone Solution 演示了用带保护笼的无人机检查 67 m 风力机叶片的内部。三次飞行共计 27 分钟,记录了叶片内部情况,并将受限空间内所需人员减半。无人机在每片叶片内仅深入 30 m 多一点,且来源为制造商文章。
公路与铁路隧道 · FR ·
鲁昂:对约 540 m 从未检查过的地下河道进行无人机勘察
法国公司 Sater 使用无人机勘察了鲁昂批发市场下方两条地下河道隧道约 540 m 的区段。这些河道自建成以来从未检查过,对潜水员或 ROV 均不安全;数据在一天内采集完成。飞行仅限于低潮时段,且来源为制造商文章。
地下隧道与综合管廊 · ZA · 2023
约翰内斯堡:街道燃气爆炸后用 LiDAR 无人机勘察地下管线隧道
2023年7月,约翰内斯堡市中心一条街道下方发生爆炸,损坏了地下管线隧道和管沟。Delta Scan 让搭载 LiDAR 和热成像相机、带保护笼的无人机穿过狭小开口,记录了人员无法进入处的损毁情况。所述作业时长前后不一,烟雾、灰尘和黑暗也妨碍了作业。
长输管道 · US · 2025
DC Water:黎明前 3 小时内用无人机勘察约 850 ft 的 9 ft 污水压力干管
DC Water 用 LiDAR 无人机对一条于 2025 年发生故障的污水压力干管进行了施工前勘察。在黎明前约 3 小时的时段内,无人进入便完成了约 850 ft 长、直径 9 ft 管道的测绘。未给出成本比较,管道长度的表述也前后不一。
长输管道 · JP · 2024
千叶市:三家公用事业公司联合用无人机检查附挂在桥梁上的燃气、电力和通信线路
东京燃气网络、东京电力电网和 NTT-ME 在千叶市试验了对桥梁附挂燃气管和电缆的无人机联合巡检。此前各公用事业公司各自申请许可、分别检查,共享飞行旨在减少工作量和成本。未公布量化结果。
港口与码头 · JP · 2023
日本国土交通省关东地方整备局:在川崎港进行防波堤和码头检查的空中与水下无人机试验
2022–2023年,日本国土交通省(MLIT)关东地方整备局在川崎港测试了用于检查防波堤和码头的空中及水下无人机。在水下,使用多波束声呐检查结构表面和海床冲刷。该文件侧重于设备和目的,未给出量化结果。
边坡、堤防与河流 · JP · 2020
日本国土交通省仓吉事务所:天神川堤防检查的无人机试验
2020年4月,MLIT 仓吉事务所延续前一年的做法,在天神川堤防巡检的部分区段试用了无人机。雨天或强风时取消无人机飞行,步行巡检则照常进行。未报告量化结果。
铁路 · US · 2026
Stacy Witbeck:在美国 86 处铁路走廊现场进行标准化的无人机与地面实景采集
美国铁路承包商 Stacy Witbeck 已在 86 个铁路走廊施工现场统一采用无人机和地面实景采集。该公司称这减少了在长线路上的现场驾车巡查。时间和成本节省未量化,而且仅靠航拍采集无法记录轨道和平交道口的状况。
输电铁塔 · IN · 2026
KPTCL(印度卡纳塔克邦):对 11,000 多座输电铁塔进行无人机巡检,据报告停电次数有所下降
印度卡纳塔克邦输电公司称,搭载热成像和 LiDAR 传感器的无人机已检查了超过 11,000 座铁塔和 3,370 km 线路。该公司报告修复缺陷超过 150,000 处,受检走廊的停电次数从 519 次降至 73 次。未说明比较周期,因此这一下降不能仅归功于无人机。
输电铁塔 · BR · 2024
ISA CTEEP(巴西):约 35,000 座输电结构的检查 100% 使用无人机
巴西输电公司 ISA CTEEP 现已对其约 35,000 座结构全部采用无人机检查,不再登塔和纸质记录。该公司估计作业时间减半。导线检查尚未纳入,时间节省也只是估算。
太阳能光伏电站 · IN · 2021
印度泰米尔纳德邦 55 MW 太阳能电站:热成像无人机勘察在约 233,000 块组件中标记出 2,481 块
一个研究团队用热成像无人机飞越南印度一座 55 MW 光伏电站,在约 233,000 块组件中标记出 2,481 块疑似异常组件。正射影像图作为数字孪生用于定位。未测量辐照度,文中所称的 97% 准确率也缺乏数据支撑。
通信铁塔 · AE · 2025
e& UAE:使用配备 AI 分析的自主无人机远程检查通信铁塔
阿联酋运营商 e& UAE 宣布采用配有 AI 分析的自主无人机检查通信塔,由其自有运营中心监督。结果用于预测性维护。塔的数量以及任何时间或成本效果均未披露。
通信铁塔 · PH · 2023
PhilTower(菲律宾):为从 Globe 收购的 1,350 个基站进行无人机勘测并建立数字孪生
菲律宾铁塔公司 PhilTower 正在用无人机勘察其从 Globe Telecom 收购的 1,350 个站点,并将其转化为 3D 数字孪生。该公司称这减少了出车次数和审计时间,但未给出数据。此项工作主要是资产审计,而非结构缺陷检查。
住宅公寓楼 · JP · 2024
东京都住宅供给公社:用系留红外无人机勘察一栋 32 层公共住宅楼的外立面
JKK 东京在江东区一栋 32 层公共住宅楼试验了系留红外无人机外墙勘察。裂缝和缺损检出良好,瓷砖空鼓大多能检出,但栏杆和密封胶的热量造成了误报。日照较弱的北立面无法验证,因此仍需后续敲击检查。
住宅公寓楼 · JP · 2020
Tokyu Community:公寓楼翻修前外立面和屋顶勘察的红外无人机试验
物业管理公司东急 Community 宣布在大型公寓楼翻新前试用红外无人机进行外墙和屋顶勘察。目的是改进原本由抽样敲击推算得出的维修估算。未公布试验结果或准确率数据。
太阳能光伏电站 · AE · 2015
DEWA(迪拜):用无人机检查其可持续建筑屋顶的 600 kW 光伏阵列
迪拜公用事业公司 DEWA 用无人机检查其总部 600 kW 屋顶光伏阵列,不到五分钟便扫描了整个屋顶,同时监测除尘清洁。未给出人工基线或检查发现,而且这只是单个屋顶,并非光伏电站。
输电线路 · CL · 2024
Enel Distribución Chile:对圣地亚哥大区约 2,500 km 的配电网进行空中巡检
Enel Distribución Chile 用直升机和搭载热成像与 LiDAR 传感器的无人机,检查了圣地亚哥周边约 2,500 km 的中低压电网,以在入冬前规划树木清理。未报告检查发现,无人机飞行所占比例也不详。
铁路 · IN ·
东北边境铁路(印度):对运营中的铁路桥梁进行无人机检查,减少列车运行下的人员暴露
印度东北边境铁路(Northeast Frontier Railway)委托外部无人机机构拍摄运营中的铁路桥梁,包括铆接节点和支座。该公司称这减少了在行车状态下对长桥的检查。未给出数量或实测效果,文章日期也前后不一。
港口与码头 · ES · 2025
Puertos del Estado(西班牙):首届关于在国家港口系统中使用无人机的会议,包括灯塔和基础设施检查
西班牙国家港口管理机构举办了首届无人机应用会议,并报告 28 个港务局中有 10 个在使用无人机。希洪用于基础设施检查,比拉加西亚用于七座灯塔,塔拉戈纳用于热成像和实时画面。未给出时间或成本效果,也未描述码头岸壁检查。
边坡、堤防与河流 · HK · 2025
香港土力工程处:在监管沙盒下试用 LiDAR 与热成像无人机监测斜坡和天然山坡
香港土力工程处正在开展两项自主 LiDAR 和热成像无人机沙盒试点,分别针对天然山坡和人造斜坡;第一项已完成初步数据采集。目前尚无性能数据,近期山泥倾泻减少也被归因于天气。
Selection: started from a candidate list of widely cited UAV-inspection papers across eight topic areas (review, crack/defect detection, photogrammetry/3D, GNSS-denied navigation, contact inspection/aerial manipulation, thermal, radar/LiDAR, coverage planning) and verified each by DOI. Web search quota was exhausted early in the session, so candidates were confirmed through bibliographic APIs: OpenAlex works endpoint (api.openalex.org/works/doi:<DOI>, field cited_by_count = citing works indexed in OpenAlex), OpenAlex search endpoint for papers whose DOI was unknown, Crossref (api.crossref.org/works/<DOI>, is-referenced-by-count = citations deposited with Crossref by publishers), and Semantic Scholar Graph API (citationCount) where used for abstracts. All counts were retrieved on 2026-10-22; counts differ between indexes because of coverage. Selection is by citation count within each topic area, not a single global top-30, so that every topic is represented; high-citation general papers (e.g. photogrammetry reviews) were kept only where they are standard references for inspection work. Full-text reading was possible only for open-access pages that the fetch tool could open (MDPI, SpringerOpen, IEEE OA, etc.); ScienceDirect and some Wiley pages blocked automated access, so those are marked abstract. Summaries are the author's own words; no third-party text copied. Retrieval notes: citation counts are OpenAlex cited_by_count for all 30 items; Crossref is-referenced-by-count and Semantic Scholar citationCount were retrieved only for some items (null where not retrieved) because the shared fetch budget was limited. Abstracts came from Semantic Scholar, from Crossref, or reconstructed from OpenAlex abstract_inverted_index. Highly cited candidates were dropped when neither the abstract nor the body could be opened (publisher or index abstract missing or blocked): Nex & Remondino 2014 (10.1007/s12518-013-0120-x, OpenAlex 1864), Rakha & Gorodetsky 2018 (10.1016/j.autcon.2018.05.002, 460), Seo et al. 2018 (10.1016/j.autcon.2018.06.006, 373), Tsanakas et al. 2016 (10.1016/j.rser.2016.04.079, 371), Omar & Nehdi 2017 (10.1016/j.autcon.2017.06.024, 265), Khaloo et al. 2018 (10.1080/15732479.2017.1330891, 217), Bircher et al. 2016 Autonomous Robots (10.1007/s10514-015-9517-1, 191). Where they were dropped, the most cited readable paper in the same area was used instead, found with OpenAlex filtered searches sorted by cited_by_count (e.g. title_and_abstract.search for 'UAV inspection bridge', 'UAV LiDAR power line inspection', 'UAV thermal infrared photovoltaic inspection'). Ground-penetrating radar from UAVs was searched (OpenAlex title search 'ground penetrating radar UAV') but the most cited results were landmine or soil studies, not infrastructure, so no GPR paper is included; the radar-lidar topic is covered by LiDAR papers. Cha et al. 2017 and 2018 are included as foundational crack/damage-detection work although their abstracts do not describe UAV imagery. C32–C36 were added after a container restart under the same rules; outdoor assets (transmission and telecom towers, solar, railway inspection, condominium facades) could not be filled because no web search was available and guessed publisher URLs failed. Round 2 (2026-10-22): C37–C48 added from utilities, government, academic and independent press sources (no manufacturer pages), filling transmission and telecom towers, solar, condominiums, power lines, railway, port and slopes; several of these record only claims or targets, as marked.
航拍指南以同样的方式记录其研究的边界;参见航拍指南的研究范围到哪里。