Durch die Integration von Ultralytics YOLO-Modellen in seine Plattform Grid Vision® verkürzte eSmart Systems die Inspektionszeit um 50 %, ermöglichte eine schnellere Fehlererkennung und stellte auf proaktive Wartung um.
eSmart Systems ist ein Unternehmen mit Sitz in Norwegen, das Energieversorger mithilfe von Computer Vision und Datenanalyse bei der Inspektion und Verwaltung großer Anlagen wie Stromnetzen und Umspannwerken unterstützt. Die Flaggschiffplattform Grid Vision® nutzt Computer Vision, Geodatenanalyse und Zeitreihendaten, um Luftbilder auszuwerten, Bauteile und Schäden zu erkennen und vorausschauende Erkenntnisse zu Übertragungsleitungen bereitzustellen.
Um die Effizienz der Inspektionen weiter zu steigern, integrierte eSmart Systems Ultralytics YOLO-Modelle in Grid Vision®. Dadurch wurden Schäden schneller erkannt und Energieversorger konnten von reaktiven Reparaturen zu einer effizienteren, zustandsbasierten Wartung übergehen.
Stromleitungsinspektionen mit KI und Computer Vision verändern#
eSmart Systems hat seinen Hauptsitz in Halden in Norwegen und entwickelt innovative Lösungen, mit denen die Versorgungswirtschaft kritische Infrastruktur überwachen und instand halten kann. Die Flaggschiffplattform Grid Vision® bietet beispielsweise eine umfassende Lösung für die Inspektion und Verwaltung großer Anlagen wie Stromnetze und Umspannwerke.
Mehr als 70 Energieversorger weltweit vertrauen auf eSmart Systems. Das Unternehmen hat über 100.000 Kilometer Stromleitungen inspiziert und ermöglicht Energieversorgern dadurch bessere, datengestützte Entscheidungen. Grid Vision® macht die Wartung effizienter, verringert Risiken und unterstützt den Übergang zu einer widerstandsfähigeren und nachhaltigeren Energieinfrastruktur.
eSmart Systems stellt außerdem sicher, dass seine KI-Lösungen hohe Anforderungen an Datenschutz und die Einhaltung gesetzlicher Vorgaben erfüllen. Das Unternehmen ist nach ISO 27001 für Informationssicherheitsmanagement zertifiziert und hält Artikel 7.8 des Netcode ein, der den sicheren Datenaustausch im europäischen Stromnetzbetrieb regelt.
Die Herausforderungen bei der Inspektion von Stromnetzen#
Stromnetze erstrecken sich über riesige Gebiete und verlaufen oft durch abgelegene oder schwer zugängliche Regionen. Viele dieser Anlagen sind veraltet und müssen regelmäßig geprüft werden, um Sicherheit und Zuverlässigkeit zu gewährleisten. Die Inspektion von Bauteilen wie Übertragungsmasten und Stromleitungen ist zeitaufwendig, kostspielig und kann für Beschäftigte gefährlich sein.
eSmart Systems wollte Luftbilder mit Drohnen und Hubschraubern aufnehmen und Computer Vision zur Erkennung von Bauteilen und Schäden einsetzen. Da Energieversorger jedoch unterschiedliche Bauteile haben und Bilder unter verschiedenen Bedingungen aufnehmen, war ein einheitlicher Inspektionsablauf schwer umzusetzen.
Abb. 1. Die Instandhaltung von Stromnetzen kann schwierig sein.
Auch die manuelle Sichtung dieser Bilder dauerte lange und erforderte viele Ressourcen, sodass sich die Fehlererkennung nur schwer ausweiten ließ. Für automatisierte Inspektionen und eine vorausschauende Wartung benötigte eSmart Systems ein schnelles, anpassungsfähiges Vision-KI-Modell, das bei verschiedenen Anlagentypen, in unterschiedlichen Regionen und bei wechselnden Wetterbedingungen zuverlässig arbeitet.
Die Rolle der Objekterkennung und von YOLO bei der Inspektion von Stromnetzen#
Um die Inspektion von Stromnetzen zu automatisieren und intelligenter zu gestalten, integrierte eSmart Systems das Computer-Vision-Modell Ultralytics YOLO in die Plattform Grid Vision®. Ultralytics YOLO-Modelle unterstützen verschiedene Computer-Vision-Aufgaben, darunter die Objekterkennung. Damit kann die Plattform wichtige Bauteile wie Masten, Querträger, Isolatoren und Leiterseile in Luftbildern identifizieren.
Die Modelle werden auch zur Erkennung von Schäden wie Bewuchs, Beschädigungen und Verschleiß eingesetzt, die die Leistungsfähigkeit des Stromnetzes beeinträchtigen können. Nach der Erkennung von Bauteilen und Schäden verarbeitet Grid Vision® diese Informationen mithilfe cloudbasierter Rechenleistung, um den Inspektionsprozess schnell und präzise zu automatisieren und auszuweiten.
Abb. 2. Grid Vision® erkennt elektrische Bauteile mit YOLO.
Die Plattform meldet mögliche Schäden, bewertet die damit verbundenen Risiken und unterstützt Energieversorger bei der zustandsabhängigen Wartungsplanung. Diese Verbindung aus Echtzeiterkennung und Analyse ermöglicht den Übergang von reaktiver zu proaktiver Wartung. So können Energieversorger potenzielle Probleme frühzeitig angehen, bevor daraus kostspielige Ausfälle entstehen.
Durch die Verknüpfung dieser Erkenntnisse mit Metadaten und Zeitreihendaten ermöglicht Grid Vision® Energieversorgern, ihre Wartungsstrategien zu optimieren, die Effizienz zu steigern und das Risiko unerwarteter Ausfälle zu senken.
Warum Ultralytics YOLO-Modelle wählen?#
eSmart Systems entschied sich aufgrund ihrer Geschwindigkeit, Genauigkeit und nahtlosen Integration in die KI-Pipeline für Ultralytics YOLO-Modelle. Bei der Analyse großer, hochauflösender Luftbilder liefern Ultralytics YOLO-Modelle konsistente Ergebnisse und eignen sich daher ideal für die Inspektion von Stromnetzen.
Das Ultralytics-Python-Paket bietet außerdem zahlreiche Integrationsmöglichkeiten, darunter 15 Exportformate. Dank dieser Flexibilität kann eSmart Systems die Modelle in verschiedenen Umgebungen einsetzen. Für das Training verwendet das Unternehmen beispielsweise PyTorch und für eine optimierte CPU-Inferenz im Produktivbetrieb ONNX – besonders dann, wenn in der Cloud-Infrastruktur nur begrenzte GPU-Ressourcen verfügbar sind.
Mit bereits mehr als 30 Ultralytics YOLO-Modellen im Produktivbetrieb kann eSmart Systems Inspektionen effizient ausweiten. So kann sich das Unternehmen auf die Verbesserung der Datenqualität und auf die besonderen Herausforderungen einzelner Energieversorger konzentrieren.
Inspektionszeit mit Ultralytics YOLO um 50 % verkürzen#
Die von Ultralytics YOLO-Modellen unterstützte Plattform Grid Vision® hat die Inspektion von Versorgungsanlagen deutlich verbessert. Durch automatisierte Anlageninspektionen und eine bessere Schadenserkennung reduziert Grid Vision® den manuellen Arbeitsaufwand, erhöht die Sicherheit und ermöglicht eine proaktivere Wartungsplanung.
In der Schweiz verkürzte ein großer Energieversorger, der Tausende von Masten in bergigem Gelände betreut, die Inspektionszeiten beispielsweise um 50 %. Die Umstellung vom manuellen Erklettern der Masten auf Inspektionen mit Drohnen beschleunigte die Fehlererkennung, verbesserte die Sicherheit der Beschäftigten und sparte Zeit.
Ein großer Energieversorger in den USA nutzte Grid Vision®, um innerhalb von nur drei Monaten 1.400 Übertragungsbauwerke zu digitalisieren. Diese KI-gestützte Bildanalyse ersetzte die manuelle Sichtung von Fotos, ermöglichte die Überprüfung aus der Ferne und unterstützte bessere, datengestützte Entscheidungen zur Investitionsplanung.
In Finnland verringerte ein Übertragungsnetzbetreiber die Zahl der Vor-Ort-Besuche und minimierte Ausfälle, indem er von Inspektionen am Boden auf drohnengestützte Bewertungen umstellte. Mit Grid Vision® und der YOLO-gestützten Schadenserkennung verbesserte sich die Genauigkeit der Inspektionen, sodass qualifizierte Beschäftigte sich wichtigeren Aufgaben widmen konnten.
Abb. 3. Stromleitungen in Finnland, überwacht mit Grid Vision® und YOLO.
Die nächste Generation von Inspektionen der Versorgungsinfrastruktur ermöglichen#
Mit Blick auf die Zukunft stellt sich eSmart Systems bei der weltweiten Expansion Herausforderungen wie unterschiedlicher Infrastruktur, verschiedenen Methoden der Bildaufnahme und Datenverschiebungen in den einzelnen Regionen. Um diese Herausforderungen zu bewältigen, arbeitet das Unternehmen daran, Grid Vision® besser skalierbar und anpassungsfähiger zu machen.
Die Fortschritte bei den MLOps-Pipelines waren entscheidend: Sie vereinfachen das erneute Trainieren von Modellen und automatisieren die Erweiterung von Datensätzen. Diese Verbesserungen steigern kontinuierlich die Genauigkeit und Leistung der KI-Lösungen. eSmart Systems ebnet den Weg für eine effizientere und zuverlässigere Verwaltung von Stromnetzen und stellt so einen zukunftsfähigen Ansatz für die globale Energiewende sicher.
Interessierst du dich für Computer Vision? Sieh dir unser GitHub-Repository an, um zu erfahren, wie YOLO-Modelle von Ultralytics Innovationen in Bereichen wie KI in selbstfahrenden Autos und Computer Vision in der Landwirtschaft vorantreiben. Erfahre noch heute mehr über unsere YOLO-Modelle und Lizenzoptionen!
