تخفض eSmart Systems وقت فحص خطوط الكهرباء إلى النصف باستخدام Ultralytics YOLO

من خلال دمج نماذج Ultralytics YOLO في منصتها Grid Vision®، خفّضت eSmart Systems مدة الفحص بنسبة 50%، وأتاحت اكتشاف الأعطال بسرعة أكبر، وانتقلت إلى الصيانة الاستباقية.

eSmart Systems هي شركة مقرها النرويج تساعد مزوّدي المرافق على فحص الأصول واسعة النطاق وإدارتها، مثل شبكات الكهرباء والمحطات الفرعية، باستخدام الرؤية الحاسوبية والتحليلات. وبوجه خاص، تستفيد منصتها الرائدة Grid Vision® من الرؤية الحاسوبية والتحليلات الجغرافية المكانية وبيانات السلاسل الزمنية لتحليل الصور الجوية، واكتشاف المكوّنات والعيوب، وتوفير رؤى تنبؤية عبر خطوط النقل.

ولزيادة كفاءة الفحص، دمجت eSmart Systems نماذج Ultralytics YOLO في Grid Vision®. وأدى ذلك إلى زيادة سرعة اكتشاف العيوب، وأتاح لشركات المرافق الانتقال من الإصلاحات التفاعلية إلى صيانة أكثر كفاءة قائمة على الحالة.

تحويل فحوصات خطوط الكهرباء باستخدام الذكاء الاصطناعي والرؤية الحاسوبية#

تركّز eSmart Systems، التي يقع مقرها الرئيسي في هالدن بالنرويج، على تقديم حلول مبتكرة لقطاع المرافق لمراقبة البنية التحتية الحيوية وصيانتها. فعلى سبيل المثال، توفر منصتها الرائدة Grid Vision® حلاً شاملاً لفحص الأصول واسعة النطاق وإدارتها، مثل شبكات الكهرباء والمحطات الفرعية.

وبفضل ثقة أكثر من 70 شركة مرافق حول العالم بها، أجرت eSmart Systems فحصاً لأكثر من 100,000 كيلومتر من خطوط الكهرباء، ما مكّن شركات المرافق من اتخاذ قرارات أفضل قائمة على البيانات. وتجعل Grid Vision® الصيانة أكثر كفاءة، وتقلل المخاطر، وتدعم الانتقال إلى بنية تحتية للطاقة أكثر مرونة واستدامة.

تضمن eSmart Systems أيضاً استيفاء حلولها للذكاء الاصطناعي معايير عالية لخصوصية البيانات والامتثال التنظيمي. وهي حاصلة على شهادة ISO 27001 في إدارة أمن المعلومات، ومتوافقة مع المادة 7.8 من Netcode، التي تنظم تبادل البيانات الآمن في عمليات شبكات الكهرباء الأوروبية.

تعقيدات فحص شبكات الكهرباء#

تمتد شبكات الكهرباء عبر مناطق شاسعة، وغالباً ما تمر بمواقع نائية أو يصعب الوصول إليها. وتتعرض العديد من هذه الأنظمة للتقادم وتتطلب فحوصات منتظمة لضمان السلامة والموثوقية. ويستغرق فحص مكوّنات مثل أبراج النقل وخطوط الكهرباء وقتاً طويلاً، كما أنه مكلف وقد ينطوي على مخاطر على العاملين.

هدفت eSmart Systems إلى التقاط صور جوية باستخدام الطائرات المسيّرة والمروحيات، وتطبيق الرؤية الحاسوبية لاكتشاف المكوّنات وتحديد العيوب. لكن نظراً لاختلاف المكوّنات لدى شركات المرافق والتقاط الصور في ظروف متنوعة، كان من الصعب الحفاظ على سير عمل فحص متسق.

الشكل 1. قد تكون صيانة شبكات الكهرباء صعبة.

كانت مراجعة هذه الصور يدوياً بطيئة أيضاً وتستهلك موارد كثيرة، ما جعل توسيع نطاق اكتشاف الأعطال أمراً صعباً. ولأتمتة عمليات الفحص ودعم الصيانة الاستباقية، احتاجت eSmart Systems إلى نموذج سريع وقابل للتكيف من الذكاء الاصطناعي للرؤية، قادر على العمل بموثوقية عبر أنواع الأصول والمناطق والظروف الجوية المختلفة.

دور اكتشاف الأجسام وYOLO في فحص شبكات الكهرباء#

لإضفاء الأتمتة والذكاء على عمليات فحص الشبكات، دمجت eSmart Systems نموذج Ultralytics YOLO، وهو نموذج للرؤية الحاسوبية، في منصتها Grid Vision®. وتدعم نماذج Ultralytics YOLO مجموعة متنوعة من مهام الرؤية الحاسوبية، بما في ذلك اكتشاف الأجسام، ما يتيح للمنصة تحديد المكوّنات الأساسية مثل الأبراج والأذرع العرضية والعوازل والموصلات في الصور الجوية.

تُستخدم النماذج أيضاً لاكتشاف عيوب مثل زحف الغطاء النباتي والأضرار والتآكل، التي يمكن أن تؤثر في أداء الشبكة. وبعد اكتشاف المكوّنات والعيوب، تُعالَج هذه المعلومات من خلال Grid Vision®، التي تستخدم المعالجة السحابية لأتمتة عملية الفحص وتوسيع نطاقها بسرعة ودقة.

الشكل 2. تكتشف Grid Vision® المكوّنات الكهربائية باستخدام YOLO.

تضع المنصة علامات على العيوب المحتملة، وتقيّم مستويات المخاطر المرتبطة بها، وتساعد شركات المرافق على تخطيط الصيانة استناداً إلى حالة الأصول. ويتيح هذا الجمع بين الاكتشاف والتحليل في الوقت الفعلي لشركات المرافق الانتقال من الصيانة التفاعلية إلى نهج أكثر استباقية، ويساعدها على معالجة المشكلات المحتملة قبل أن تؤدي إلى أعطال مكلفة.

ومن خلال دمج هذه الرؤى مع البيانات الوصفية وبيانات السلاسل الزمنية، تمكّن Grid Vision® شركات المرافق من تحسين استراتيجيات الصيانة، وزيادة الكفاءة، وتقليل مخاطر انقطاعات الخدمة غير المتوقعة.

لماذا اختيار نماذج Ultralytics YOLO؟#

اعتمدت eSmart Systems نماذج Ultralytics YOLO لما تتميز به من سرعة ودقة وتكامل سلس مع مسار الذكاء الاصطناعي لديها. وتقدم نماذج Ultralytics YOLO نتائج متسقة عند تحليل الصور الجوية الكبيرة وعالية الدقة، ما يجعلها مثالية لفحص الشبكات.

كما توفر حزمة Ultralytics Python مجموعة متنوعة من خيارات التكامل، بما في ذلك 15 صيغة تصدير. وتتيح هذه المرونة لشركة eSmart Systems نشر النماذج في بيئات مختلفة. وتستخدم صيغاً مثل PyTorch للتدريب وONNX للاستدلال المحسّن على CPU في بيئة الإنتاج، لا سيما عندما تكون موارد GPU محدودة في بنيتها التحتية السحابية.

ومع وجود أكثر من 30 نموذجاً من نماذج Ultralytics YOLO قيد الإنتاج بالفعل، تستطيع eSmart Systems توسيع نطاق عمليات الفحص بكفاءة. ويتيح لها ذلك التركيز على تحسين جودة البيانات ومعالجة التحديات الخاصة بشركات المرافق.

خفض مدة الفحص بنسبة 50% باستخدام Ultralytics YOLO#

كان تأثير Grid Vision®، المدعومة بنماذج Ultralytics YOLO، كبيراً في تحسين عمليات فحص المرافق. فمن خلال أتمتة فحص الأصول وتحسين اكتشاف العيوب، خفّضت Grid Vision® أعباء العمل اليدوية، وزادت السلامة، ويسّرت استراتيجيات صيانة أكثر استباقية.

فعلى سبيل المثال، خفّضت شركة طاقة كبرى في سويسرا، تدير آلاف الأبراج (هياكل شاهقة تدعم خطوط الكهرباء) في مناطق جبلية، مدة الفحص بنسبة 50%. وقد أدى الانتقال من التسلق اليدوي إلى الفحص باستخدام الطائرات المسيّرة إلى تسريع اكتشاف الأعطال، وتحسين سلامة العاملين، وتوفير الوقت.

وبالمثل، استخدم مزوّد كبير للمرافق في الولايات المتحدة Grid Vision® لرقمنة 1,400 منشأة نقل خلال ثلاثة أشهر فقط. واستبدل تحليل الصور المدعوم بالذكاء الاصطناعي مراجعة الصور يدوياً، ما أتاح التحقق عن بُعد ومكّن من اتخاذ قرارات أفضل قائمة على البيانات بشأن تخطيط الإنفاق الرأسمالي.

وبالمثل، خفّض مشغّل نظام نقل في فنلندا الزيارات الميدانية وقلّل انقطاعات الخدمة من خلال الانتقال من الفحوصات الأرضية إلى التقييمات المدعومة بالطائرات المسيّرة. ومع Grid Vision® واكتشاف العيوب المدعوم بـYOLO، تحسنت دقة الفحص، وتمكن العاملون ذوو المهارات المتخصصة من التركيز على مهام أكثر أهمية.

الشكل 3. نظرة على خطوط شبكة الكهرباء في فنلندا التي تتم مراقبتها باستخدام Grid Vision® وYOLO.

دعم الجيل التالي من فحوصات المرافق#

وبالنظر إلى المستقبل، تعمل eSmart Systems، مع توسعها عالمياً، على معالجة تحديات مثل اختلاف البنية التحتية، وتنوع أساليب التقاط الصور، وانجراف البيانات عبر المناطق. وللتغلب على هذه التحديات، تركّز الشركة على جعل Grid Vision® أكثر قابلية للتوسع والتكيف.

وكان تقدمها في مسارات MLOps عاملاً أساسياً في تبسيط إعادة تدريب النماذج وأتمتة توسيع مجموعات البيانات. وتعمل هذه التحسينات على تعزيز دقة حلول الذكاء الاصطناعي لديها وأدائها باستمرار. وتمهّد eSmart Systems الطريق لإدارة شبكات أكثر كفاءة وموثوقية، بما يضمن نهجاً مهيأً للمستقبل تجاه التحول العالمي في مجال الطاقة.

هل تهتم بالرؤية الحاسوبية؟ استكشف مستودع GitHub لدينا لمعرفة كيفية دفع نماذج Ultralytics YOLO للابتكار في مجالات مثل الذكاء الاصطناعي في السيارات ذاتية القيادة والرؤية الحاسوبية في الزراعة. تعرّف اليوم على المزيد حول نماذج YOLO لدينا وخيارات الترخيص!