تختصر eSmart Systems وقت التفتيش على خطوط الطاقة إلى النصف باستخدام Ultralytics YOLO
اكتشف كيف تستخدم eSmart Systems نماذج Ultralytics YOLO لتعزيز سرعة اكتشاف العيوب وتحويل عمليات التفتيش على المرافق.
eSmart Systems هي شركة مقدها النرويج تساعد شركات المرافق في فحص وإدارة الأصول واسعة النطاق، مثل شبكات الطاقة والمحطات الفرعية، باستخدام computer vision والتحليلات. على وجه الخصوص، تستفيد منصتها الرئيسية، Grid Vision®، من الرؤية الحاسوبية والتحليلات الجغرافية المكانية وبيانات السلاسل الزمنية لتحليل الصور الجوية، واكتشاف المكونات والعيوب، وتوفير رؤى تنبؤية عبر خطوط النقل.
لتعزيز كفاءة الفحص بشكل أكبر، قامت eSmart Systems بدمج Ultralytics YOLO models في Grid Vision®. أدى ذلك إلى زيادة سرعة اكتشاف العيوب وجعل من الممكن لشركات المرافق الانتقال من الإصلاحات التفاعلية إلى صيانة أكثر كفاءة تعتمد على الحالة.
تحويل عمليات فحص خطوط الطاقة باستخدام الذكاء الاصطناعي ورؤية الكمبيوتر#
يقع المقر الرئيسي لشركة eSmart Systems في هالدن بالنرويج، وتركز على تقديم حلول مبتكرة لقطاع المرافق لرصد وصيانة البنية التحتية الحيوية. على سبيل المثال، توفر منصتها الرئيسية، Grid Vision®، حلاً شاملاً لفحص وإدارة الأصول واسعة النطاق مثل power grids والمحطات الفرعية.
حظيت eSmart Systems بثقة أكثر من 70 مرفقاً حول العالم، حيث قامت بفحص أكثر من 100,000 كيلومتر من خطوط الطاقة، مما مكن شركات المرافق من اتخاذ قرارات أفضل تعتمد على البيانات. تجعل Grid Vision® الصيانة أكثر كفاءة، وتقلل المخاطر، وتدعم الانتقال نحو بنية تحتية للطاقة أكثر مرونة وsustainable energy.
تضمن eSmart Systems أيضاً أن حلول الذكاء الاصطناعي الخاصة بها تلبي معايير عالية لخصوصية البيانات والامتثال التنظيمي. وهي حاصلة على شهادة ISO 27001 لإدارة أمن المعلومات وتمتثل للمادة 7.8 من Netcode، التي تحكم تبادل البيانات الآمن في عمليات شبكات الكهرباء الأوروبية.
تعقيدات عمليات فحص الشبكة#
تمتد شبكات الطاقة عبر مساحات شاسعة، وغالباً ما تمر عبر مواقع نائية أو يصعب الوصول إليها. العديد من هذه الأنظمة تتقادم وتتطلب عمليات فحص منتظمة لضمان السلامة والموثوقية. إن فحص المكونات مثل أبراج النقل وخطوط الطاقة يستغرق وقتاً طويلاً ومكلفاً، وقد يكون محفوفاً بالمخاطر للعمال.
هَدَفَت eSmart Systems إلى التقاط صور جوية باستخدام drones والمروحيات، وتطبيق الرؤية الحاسوبية لاكتشاف المكونات وتحديد العيوب. ومع ذلك، نظراً لان الاختلافات بين مكونات مرافق الطاقة والظروف المختلفة التي تُلتقط فيها الصور، فقد كان من الصعب الحفاظ على سير عمل فحص متسق.
الشكل 1. قد يصعب صيانة شبكات الطاقة.
كانت مراجعة هذه الصور يدوياً أيضاً بطيئة وتستهلك الكثير من الموارد، مما جعل من الصعب توسيع نطاق الكشف عن الأعطال. لأتمتة عمليات الفحص ودعم الصيانة الاستباقية، احتاجت eSmart Systems إلى نموذج ذكاء اصطناعي للرؤية سريع وقابل للتكيف يمكنه العمل بشكل موثوق عبر أنواع الأصول والمناطق والظروف الجوية المختلفة.
دور اكتشاف الكائنات و YOLO في عمليات فحص الشبكة#
لإدخال الأتمتة والذكاء في عمليات فحص الشبكة، قامت eSmart Systems بدمج Ultralytics YOLO، وهو نموذج رؤية حاسوبية، في منصتها Grid Vision®. تدعم نماذج Ultralytics YOLO مختلف computer vision tasks، بما في ذلك اكتشاف الكائنات، مما يتيح للمنصة تحديد المكونات الرئيسية مثل الابراج، والعوارض المستعرضة، والعوازل، والموصلات في الصور الجوية.
تُستخدم النماذج أيضاً للكشف عن العيوب مثل زحف الغطاء النباتي، والتلف، والتآكل، والتي يمكن أن تؤثر على أداء الشبكة. بمجرد اكتشاف المكونات والعيوب، تتم معالجة هذه المعلومات من خلال Grid Vision®، التي تستخدم المعالجة السحابية لأتمتة عملية الفحص وتوسيع نطاقها بسرعة ودقة.
الشكل 2. Grid Vision® تكتشف المكونات الكهربائية باستخدام YOLO.
تقوم المنصة بتحديد العيوب المحتملة، وتقييم مستويات المخاطر المرتبطة بها، وتساعد شركات المرافق على تخطيط الصيانة بناءً على حالة الأصول. هذا المزيج من الاكتشاف والتحليل في الوقت الفعلي يسمح لشركات المرافق بالانتقال من الصيانة التفاعلية إلى نهج أكثر استباقية، مما يساعدها على البقاء في صدارة المشكلات المحتملة قبل أن تؤدي إلى أعطال مكلفة.
من خلال دمج هذه الرؤى مع البيانات الوصفية وبيانات السلاسل الزمنية، تمكّن Grid Vision® شركات المرافق من تحسين استراتيجيات الصيانة الخاصة بها، مما يحسن الكفاءة ويقلل من مخاطر الانقطاعات غير المتوقعة.
لماذا تختار نماذج Ultralytics YOLO؟#
اعتمدت eSmart Systems نماذج Ultralytics YOLO لسرعتها ودقتها وتكاملها السلس في خط أنابيب الذكاء الاصطناعي الخاص بها. تقدم نماذج Ultralytics YOLO نتائج متسقة عند تحليل الصور الجوية الكبيرة وعالية الدقة، مما يجعلها مثالية لعمليات فحص الشبكة.
أيضاً، يوفر Ultralytics Python package مجموعة متنوعة من خيارات التكامل، بما في ذلك 15 تنسيق تصدير. تتيح هذه المرونة لشركة eSmart Systems نشر النماذج عبر بيئات مختلفة. فهي تستخدم تنسيقات مثل PyTorch للتدريب وONNX للاستدلال المحسن لوحدة المعالجة المركزية (CPU) في الإنتاج، لا سيما عندما تكون موارد وحدة معالجة الرسومات (GPU) محدودة في بنيتها التحتية السحابية.
مع وجود أكثر من 30 نموذجاً من نماذج Ultralytics YOLO قيد الإنتاج بالفعل، يمكن لـ eSmart Systems توسيع نطاق عمليات الفحص بكفاءة. وهذا يسمح لهم بالتركيز على تحسين جودة البيانات ومعالجة التحديات الخاصة بالمرافق.
تقليل وقت الفحص بنسبة 50% باستخدام Ultralytics YOLO#
كان تأثير Grid Vision®، مدعوماً بنماذج Ultralytics YOLO، كبيراً في تحسين عمليات فحص المرافق. من خلال أتمتة فحص الأصول وتحسين defect detection، خفضت Grid Vision® أعباء العمل اليدوية، وزادت الأمان، ويسرت استراتيجيات صيانة أكثر استباقية.
على سبيل المثال، في سويسرا، قللت شركة طاقة كبرى تدير آلاف الأبراج (هياكل طويلة تدعم خطوط الطاقة) في تضاريس جبلية أوقات الفحص بنسبة 50%. أدى الانتقال من التسلق اليدوي إلى عمليات الفحص القائمة على الطائرات بدون طيار إلى تسريع عملية الكشف عن الأعطال، وتحسين سلامة العمال، وتوفير الوقت.
وبالمثل، في الولايات المتحدة، استخدم مزود مرافق كبير Grid Vision® لرقمنة 1,400 هيكل نقل في ثلاثة أشهر فقط. حل تحليل الصور المدعوم بالذكاء الاصطناعي محل مراجعات الصور اليدوية، مما سمح بالتحقق عن بُعد ومكّن من اتخاذ قرارات تخطيط رأسمالية أفضل ومبنية على البيانات.
وبالمثل، في فنلندا، قلل مشغل نظام نقل الزيارات الميدانية وقلل الانقطاعات من خلال التحول من عمليات الفحص الأرضية إلى التقييمات بمساعدة الطائرات بدون طيار. مع Grid Vision® والكشف عن العيوب المدعوم بـ YOLO، تحسنت دقة الفحص، وتمكن العمال المهرة من التركيز على مهام أكثر أهمية.
الشكل 3. نظرة على خطوط شبكة الطاقة في فنلندا التي يتم مراقبتها باستخدام Grid Vision® و YOLO.
تشغيل الجيل القادم من عمليات فحص المرافق#
بالنظر إلى المستقبل، ومع توسع eSmart Systems عالمياً، فإنهم يعالجون تحديات مثل اختلاف البنية التحتية، وطرق التقاط الصور المختلفة، وانجراف البيانات عبر المناطق. للتغلب على هذه المخاوف، تركز الشركة على جعل Grid Vision® أكثر قابلية للتوسع والتكيف.
كان تقدمهم في خطوط أنابيب MLOps رئيسياً، حيث بسّط إعادة تدريب النماذج وأتمتة توسيع مجموعات البيانات. هذه التحسينات تعزز باستمرار دقة وأداء حلول الذكاء الاصطناعي الخاصة بهم. تمهد eSmart Systems الطريق لإدارة شبكة أكثر كفاءة وموثوقية، مما يضمن نهجاً جاهزاً للمستقبل لانتقال الطاقة العالمي.
هل أنت مهتم بالرؤية الحاسوبية؟ استكشف GitHub repository الخاص بنا لترى كيف تقود نماذج Ultralytics YOLO الابتكارات في مجالات مثل AI in self-driving cars وcomputer vision in agriculture. اعرف المزيد عن نماذج YOLO الخاصة بنا وlicensing options اليوم!
