eSmart Systems automatisiert Versorgungsinspektionen mit Ultralytics YOLO

eSmart Systems ist ein in Norwegen ansässiges Unternehmen, das Versorgungsunternehmen bei der Inspektion und Verwaltung großer Anlagen wie Stromnetze und Umspannwerke mit Hilfe von Computer Vision und Analytik unterstützt. Das Flaggschiff des Unternehmens, Grid Vision®, nutzt Computer Vision, Geodatenanalyse und Zeitreihendaten, um Luftbilder zu analysieren, Komponenten und Defekte zu erkennen und vorausschauende Erkenntnisse über Übertragungsleitungen zu liefern.

Um die Effizienz der Inspektion weiter zu steigern, integrierte eSmart Systems die YOLO-Modelle von Ultralytics in Grid Vision®. Dies führte zu einer schnelleren Fehlererkennung und ermöglichte es den Versorgungsunternehmen, von reaktiven Reparaturen zu einer effizienteren, zustandsorientierten Wartung überzugehen.

Stromleitungsinspektionen mit KI und Computer Vision neu gestalten

eSmart Systems mit Hauptsitz in Halden, Norwegen, konzentriert sich darauf, innovative Lösungen für den Versorgungssektor zur Überwachung und Wartung kritischer Infrastrukturen anzubieten. Das Flaggschiff des Unternehmens, Grid Vision®, bietet beispielsweise eine umfassende Lösung für die Inspektion und Verwaltung großer Anlagen wie Stromnetze und Umspannwerke.

Mehr als 70 Versorgungsunternehmen weltweit vertrauen auf eSmart Systems. Das Unternehmen hat bereits mehr als 100.000 Kilometer Stromleitungen inspiziert und ermöglicht es den Versorgungsunternehmen, bessere, datengestützte Entscheidungen zu treffen. Grid Vision® macht die Wartung effizienter, reduziert Risiken und unterstützt den Übergang zu einer widerstandsfähigeren und nachhaltigen Energieinfrastruktur.

eSmart Systems stellt außerdem sicher, dass seine KI-Lösungen hohe Standards für den Datenschutz und die Einhaltung von Vorschriften erfüllen. Sie sind nach ISO 27001 für das Informationssicherheitsmanagement zertifiziert und entsprechen dem Netcode Artikel 7.8, der den sicheren Datenaustausch im europäischen Stromnetzbetrieb regelt.

Die Komplexität von Netzinspektionen 

Stromnetze erstrecken sich über weite Gebiete und verlaufen oft durch abgelegene oder schwer zugängliche Orte. Viele dieser Systeme sind veraltet und müssen regelmäßig inspiziert werden, um Sicherheit und Zuverlässigkeit zu gewährleisten. Die Inspektion von Komponenten wie Sendemasten und Stromleitungen ist zeitaufwändig, kostspielig und kann für die Arbeiter gefährlich sein. 

Das Ziel von eSmart Systems war es, Luftaufnahmen mit Drohnen und Hubschraubern zu machen und mit Hilfe von Computer Vision Komponenten zu erkennen und Mängel zu identifizieren. Da Versorgungsunternehmen jedoch unterschiedliche Komponenten haben und Bilder unter verschiedenen Bedingungen aufnehmen, war es eine Herausforderung, einen konsistenten Inspektionsworkflow beizubehalten.

‍

Die manuelle Überprüfung dieser Bilder war außerdem langsam und ressourcenintensiv, was die Skalierung der Fehlererkennung erschwerte. Um Inspektionen zu automatisieren und eine proaktive Wartung zu unterstützen, benötigte eSmart Systems ein schnelles und anpassungsfähiges Vision-KI-Modell, das über verschiedene Anlagentypen, Regionen und Wetterbedingungen hinweg zuverlässig arbeiten konnte.

Die Rolle von Objekterkennung und YOLO bei Gitterinspektionen 

Um die Netzinspektionen zu automatisieren und intelligenter zu gestalten, integrierte eSmart Systems das Bildverarbeitungsmodell Ultralytics YOLO in seine Grid Vision®-Plattform. Die YOLO-Modelle von Ultralytics unterstützen verschiedene Computer-Vision-Aufgaben, darunter die Objekterkennung, die es der Plattform ermöglicht, wichtige Komponenten wie Masten, Kreuzarme, Isolatoren und Leiter in Luftbildern zu identifizieren. 

Die Modelle werden auch verwendet, um Defekte wie das Eindringen von Vegetation, Schäden und Verschleiß zu erkennen, die die Leistung des Netzes beeinträchtigen können. Sobald die Komponenten und Defekte erkannt sind, werden diese Informationen mit Grid Vision® verarbeitet. Grid Vision® nutzt eine cloudbasierte Verarbeitung, um den Inspektionsprozess schnell und genau zu automatisieren und zu skalieren.

‍

Die Plattform zeigt potenzielle Defekte an, bewertet die damit verbundenen Risiken und unterstützt die Versorgungsunternehmen bei der Planung der Wartung auf der Grundlage des Zustands der Anlagen. Diese Kombination aus Echtzeit-Erkennung und -Analyse ermöglicht es den Versorgungsunternehmen, von einer reaktiven Wartung zu einem proaktiven Ansatz überzugehen, der sie dabei unterstützt, potenziellen Problemen zuvorzukommen, bevor sie zu kostspieligen Ausfällen führen.

Durch die Integration dieser Erkenntnisse mit Metadaten und Zeitreihendaten ermöglicht Grid Vision® den Versorgungsunternehmen, ihre Wartungsstrategien zu optimieren, die Effizienz zu verbessern und das Risiko unerwarteter Ausfälle zu verringern.

Warum die YOLO-Modelle von Ultralytics?

eSmart Systems entschied sich für die YOLO-Modelle von Ultralytics aufgrund ihrer Geschwindigkeit, Genauigkeit und nahtlosen Integration in ihre KI-Pipeline. Die YOLO-Modelle von Ultralytics liefern konsistente Ergebnisse bei der Analyse großer, hochauflösender Luftbilder und eignen sich daher ideal für Netzinspektionen.

Außerdem bietet das Ultralytics Python-Paket eine Vielzahl von Integrationsmöglichkeiten, darunter 15 Exportformate. Diese Flexibilität ermöglicht es eSmart Systems, die Modelle in verschiedenen Umgebungen einzusetzen. Sie verwenden Formate wie PyTorch für das Training und ONNX für optimierte CPU-Inferenz in der Produktion, insbesondere wenn die GPU-Ressourcen in ihrer Cloud-Infrastruktur begrenzt sind.

Mit über 30 Ultralytics YOLO-Modellen, die bereits in Produktion sind, kann eSmart Systems Inspektionen effizient skalieren. Dadurch können sie sich auf die Verbesserung der Datenqualität und die Bewältigung von versorgungsspezifischen Herausforderungen konzentrieren.

Reduzierung der Prüfzeit um 50 % mit Ultralytics YOLO

Grid Vision®, das auf den YOLO-Modellen von Ultralytics basiert, hat die Inspektionen von Versorgungsunternehmen erheblich verbessert. Durch die Automatisierung von Anlageninspektionen und die Verbesserung der Fehlererkennung hat Grid Vision® den manuellen Arbeitsaufwand verringert, die Sicherheit erhöht und proaktivere Wartungsstrategien ermöglicht.

In der Schweiz zum Beispiel konnte ein großes Energieunternehmen, das Tausende von Masten (hohe Strukturen, die Stromleitungen tragen) in bergigem Gelände verwaltet, die Inspektionszeiten um 50 % reduzieren. Die Umstellung von manuellen Kletterarbeiten auf drohnengestützte Inspektionen beschleunigte die Fehlererkennung, verbesserte die Sicherheit der Arbeiter und sparte Zeit.

In den Vereinigten Staaten nutzte ein großes Versorgungsunternehmen Grid Vision®, um 1.400 Übertragungsstrukturen in nur drei Monaten zu digitalisieren. Diese KI-gestützte Bildanalyse ersetzte die manuelle Fotoprüfung und ermöglichte eine Fernvalidierung sowie bessere, datengestützte Entscheidungen bei der Investitionsplanung.

In ähnlicher Weise reduzierte ein finnischer Übertragungsnetzbetreiber die Zahl der Vor-Ort-Besuche und minimierte die Ausfallzeiten, indem er von bodengestützten Inspektionen auf drohnengestützte Bewertungen umstieg. Mit Grid Vision® und YOLO-gestützter Fehlererkennung verbesserte sich die Inspektionsgenauigkeit, und die Fachkräfte konnten sich auf wichtigere Aufgaben konzentrieren.

‍

Die nächste Generation von Versorgungsinspektionen

Mit Blick auf die Zukunft stellt sich eSmart Systems im Zuge seiner weltweiten Expansion Herausforderungen wie unterschiedlichen Infrastrukturen, verschiedenen Bilderfassungsmethoden und der Datenabweichung in verschiedenen Regionen. Um diese Probleme zu lösen, konzentriert sich das Unternehmen darauf, Grid Vision® skalierbarer und anpassungsfähiger zu machen. 

Die Fortschritte bei den MLOps-Pipelines sind von entscheidender Bedeutung, denn sie vereinfachen das Umlernen von Modellen und automatisieren die Erweiterung von Datensätzen. Diese Verbesserungen steigern kontinuierlich die Genauigkeit und Leistung ihrer KI-Lösungen. eSmart Systems ebnet den Weg für ein effizienteres und zuverlässigeres Netzmanagement und gewährleistet einen zukunftsfähigen Ansatz für die globale Energiewende.

Interessieren Sie sich für Computer Vision? Entdecken Sie unser GitHub-Repository und sehen Sie, wie Ultralytics YOLO-Modelle Innovationen in Bereichen wie KI in selbstfahrenden Autos und Computer Vision in der Landwirtschaft vorantreiben. Erfahren Sie noch heute mehr über unsere YOLO-Modelle und Lizenzierungsoptionen!