Durch die Integration von Ultralytics YOLO-Modellen in seine Plattform Grid Vision® reduzierte 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 Analysen bei der Inspektion und Verwaltung großflächiger Anlagen wie Stromnetzen und Umspannwerken unterstützt. Die Vorzeigeplattform Grid Vision® nutzt insbesondere Computer Vision, Geodatenanalysen und Zeitreihendaten, um Luftbilder zu analysieren, Komponenten und Defekte zu erkennen sowie prädiktive Erkenntnisse entlang von Übertragungsleitungen bereitzustellen.
Um die Effizienz von Inspektionen weiter zu steigern, integrierte eSmart Systems Ultralytics YOLO-Modelle in Grid Vision®. Dadurch wurde die Fehlererkennung beschleunigt, und Energieversorger konnten von reaktiven Reparaturen auf eine effizientere, zustandsbasierte Wartung umstellen.
Inspektionen von Stromleitungen mit KI und Computer Vision neu gestalten#
eSmart Systems mit Hauptsitz in Halden, Norwegen, konzentriert sich darauf, innovative Lösungen für den Energiesektor bereitzustellen, um kritische Infrastruktur zu überwachen und zu warten. So bietet die Vorzeigeplattform Grid Vision® eine umfassende Lösung für die Inspektion und Verwaltung großflächiger Anlagen wie Stromnetze und Umspannwerke.
eSmart Systems genießt das Vertrauen von mehr als 70 Energieversorgern weltweit und hat über 100.000 Kilometer Stromleitungen inspiziert. Dadurch können Energieversorger bessere, datengestützte Entscheidungen treffen. Grid Vision® macht die Wartung effizienter, reduziert Risiken und unterstützt den Übergang zu einer widerstandsfähigeren und nachhaltigeren Energie infrastruktur.
eSmart Systems stellt außerdem sicher, dass seine KI-Lösungen hohe Standards für Datenschutz und die Einhaltung gesetzlicher Vorschriften erfüllen. Das Unternehmen ist nach ISO 27001 für Informationssicherheitsmanagement zertifiziert und erfüllt Artikel 7.8 des Netcodes, der den sicheren Datenaustausch im europäischen Stromnetzbetrieb regelt.
Die Komplexität von Netzinspektionen#
Stromnetze erstrecken sich über große Gebiete und verlaufen häufig durch abgelegene oder schwer zugängliche Regionen. Viele dieser Anlagen sind veraltet und müssen regelmäßig inspiziert werden, um Sicherheit und Zuverlässigkeit zu gewährleisten. Die Inspektion von Komponenten wie Übertragungsmasten und Stromleitungen ist zeitaufwendig, kostspielig und kann für Beschäftigte riskant sein.
eSmart Systems wollte mithilfe von Drohnen und Hubschraubern Luftbilder aufnehmen und Computer Vision einsetzen, um Komponenten zu erkennen und Defekte zu identifizieren. Da Energieversorger jedoch unterschiedliche Komponenten haben und Bilder unter verschiedenen Bedingungen aufnehmen, war es schwierig, einen einheitlichen Inspektionsablauf aufrechtzuerhalten.
Abb. 1: Stromnetze können schwierig zu warten sein.
Die manuelle Auswertung dieser Bilder war ebenfalls langsam und ressourcenintensiv, wodurch sich die Fehlererkennung nur schwer skalieren ließ. Um Inspektionen zu automatisieren und proaktive Wartung zu unterstützen, benötigte eSmart Systems ein schnelles und anpassungsfähiges Vision-AI-Modell, das über verschiedene Anlagentypen, Regionen und Wetterbedingungen hinweg zuverlässig arbeiten konnte.
Die Rolle der Objekterkennung und von YOLO bei Netzinspektionen#
Um Netzinspektionen zu automatisieren und intelligenter zu gestalten, integrierte eSmart Systems Ultralytics YOLO, ein Computer-Vision-Modell, in seine Plattform Grid Vision®. Ultralytics YOLO-Modelle unterstützen verschiedene Computer-Vision-Aufgaben, darunter die Objekterkennung. Dadurch kann die Plattform wichtige Komponenten wie Masten, Querträger, Isolatoren und Leiter in Luftbildern identifizieren.
Die Modelle werden außerdem eingesetzt, um Defekte wie Bewuchs, Beschädigungen und Verschleiß zu erkennen, die die Leistungsfähigkeit des Netzes beeinträchtigen können. Nach der Erkennung der Komponenten und Defekte werden diese Informationen über Grid Vision® verarbeitet. Die Plattform nutzt dafür cloudbasierte Verarbeitung, um den Inspektionsprozess schnell und präzise zu automatisieren und zu skalieren.
Abb. 2: Grid Vision® erkennt elektrische Komponenten mithilfe von YOLO.
Die Plattform kennzeichnet potenzielle Defekte, bewertet die zugehörigen Risikostufen und unterstützt Energieversorger bei der zustandsbasierten Wartungsplanung. Diese Kombination aus Erkennung und Analyse in Echtzeit ermöglicht Energieversorgern, von reaktiver Wartung zu einem proaktiveren Ansatz überzugehen und potenziellen Problemen zuvorzukommen, bevor sie kostspielige Ausfälle verursachen.
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 reduzieren.
Warum Ultralytics YOLO-Modelle wählen?#
eSmart Systems entschied sich aufgrund ihrer Geschwindigkeit, Genauigkeit und nahtlosen Integration in die eigene KI-Pipeline für Ultralytics YOLO-Modelle. Ultralytics YOLO-Modelle liefern bei der Analyse großer, hochauflösender Luftbilder konsistente Ergebnisse und eignen sich daher ideal für Netzinspektionen.
Außerdem bietet das Ultralytics Python-Paket zahlreiche Integrationsmöglichkeiten, darunter 15 Exportformate. Diese Flexibilität ermöglicht es eSmart Systems, die Modelle in unterschiedlichen Umgebungen bereitzustellen. Für das Training verwendet das Unternehmen beispielsweise PyTorch und für die optimierte CPU-Inferenz in der Produktion ONNX, insbesondere wenn die GPU-Ressourcen in seiner Cloud-Infrastruktur begrenzt sind.
Mit bereits mehr als 30 Ultralytics YOLO-Modellen in der Produktion kann eSmart Systems Inspektionen effizient skalieren. Dadurch kann sich das Unternehmen auf die Verbesserung der Datenqualität und die Bewältigung spezifischer Herausforderungen von Energieversorgern konzentrieren.
Inspektionszeit mit Ultralytics YOLO um 50 % reduzieren#
Die Wirkung von Grid Vision®, unterstützt durch Ultralytics YOLO-Modelle, war für die Verbesserung von Inspektionen bei Energieversorgern erheblich. Durch die Automatisierung von Anlageninspektionen und die Verbesserung der Fehlererkennung hat Grid Vision® den manuellen Arbeitsaufwand reduziert, die Sicherheit erhöht und proaktivere Wartungsstrategien ermöglicht.
So konnte ein großes Energieunternehmen in der Schweiz, das Tausende von Masten – hohen Konstruktionen zur Unterstützung von Stromleitungen – in bergigem Gelände verwaltet, die Inspektionszeit um 50 % reduzieren. Der Wechsel vom manuellen Klettern zu drohnenbasierten Inspektionen beschleunigte die Fehlererkennung, verbesserte die Arbeitssicherheit und sparte Zeit.
Ebenso nutzte ein großer Energieversorger in den Vereinigten Staaten Grid Vision®, um innerhalb von nur drei Monaten 1.400 Übertragungsbauwerke zu digitalisieren. Diese KI-gestützte Bildanalyse ersetzte die manuelle Prüfung von Fotos, ermöglichte die Validierung aus der Ferne und führte zu besseren, datengestützten Entscheidungen bei der Kapitalplanung.
In Finnland reduzierte ein Übertragungsnetzbetreiber ebenfalls die Zahl der Außeneinsätze und minimierte Ausfälle, indem er von bodengestützten Inspektionen auf drohnenunterstützte Bewertungen umstieg. Mit Grid Vision® und der von YOLO unterstützten Fehlererkennung stieg die Inspektionsgenauigkeit, sodass qualifizierte Beschäftigte sich auf wichtigere Aufgaben konzentrieren konnten.
Abb. 3: Einblick in Stromnetzleitungen in Finnland, die mit Grid Vision® und YOLO überwacht werden.
Die nächste Generation von Inspektionen bei Energieversorgern voranbringen#
Mit der globalen Expansion von eSmart Systems geht das Unternehmen Herausforderungen wie unterschiedlicher Infrastruktur, verschiedenen Verfahren zur Bilderfassung und Datenverschiebungen zwischen Regionen an. Um diese Herausforderungen zu bewältigen, konzentriert sich das Unternehmen darauf, Grid Vision® skalierbarer und anpassungsfähiger zu machen.
Die Fortschritte bei den MLOps-Pipelines waren dabei entscheidend, da sie die erneute Modellschulung vereinfachen und die Erweiterung von Datensätzen automatisieren. Diese Verbesserungen steigern kontinuierlich die Genauigkeit und Leistungsfähigkeit der KI-Lösungen. eSmart Systems ebnet den Weg für eine effizientere und zuverlässigere Netzverwaltung und schafft damit die Grundlage für einen zukunftsfähigen Ansatz für die globale Energiewende.
Interessierst du dich für Computer Vision? Entdecke unser GitHub-Repository, um zu sehen, wie Ultralytics YOLO-Modelle Innovationen in Bereichen wie KI in selbstfahrenden Autos und Computer Vision in der Landwirtschaft vorantreiben. Erfahre noch heute mehr über unsere YOLO-Modelle und Lizenzierungsoptionen!
