本项目以电站内不同类型的设备巡检为研究对象，利用无人机、机器人、摄像机、红外成像以及厂内现有的智能化监测装置，同时结合云技术、物联网、人工智能等技术，融合机器深度自主学习和大数据分析应用，实现对大坝、库区、厂房、设备等巡检对象的实时监控；提出了大中型水电站全场景智能巡检方法，构建了刀闸状态、跑冒滴漏、滑坡落石等典型场景少样本学习图像识别模型，研究了基于群体智能优化的无人机、机器人定位技术与路径规划算法;提出了强背景噪声环境下水电设备故障音频特征提取方法，解析了设备异常运行状态与音频特征的映射关系，构建了图像、音频、红外等异构巡检数据和实时运行数据多源融合的设备设施状态模糊量化评价模型，实现了设备设施异常及时告警，提出了水电厂边缘轻量型统一数据平台及智能巡检系统架构，研发了平台微服务和算法中台技术，开发了基于三维可视化模型的多专业协同智能巡检应用系统，基本实现了水电厂无人巡检模式。 项目创新成果智能巡检应用建设主要立足于提升巡检工作效率和质量，减轻人员工作强度等问题；采用无人机、机器人以及智能识别等现代化先进技术，提升巡检工作的自动化、信息化、智能化水平，逐步实现巡检工作自动巡检为主、人工巡检为辅的巡检系统，从而达到提升劳动生产率和经济效益。同时提出的统一数据平台架构，解决传统状态下各业务系统相对独立、数据无法共享的问题，可为其它水电厂站数据平台建设提供经验。