eSmart Systems halbiert die Zeit für Stromleitungsinspektionen mit Ultralytics YOLO
Entdecke, wie eSmart Systems Ultralytics YOLO einsetzt, um die Geschwindigkeit der Fehlererkennung zu erhöhen und Versorgungsinspektionen zu transformieren.
eSmart Systems ist ein in Norwegen ansässiges Unternehmen, das Versorgungsunternehmen dabei unterstützt, großflächige Anlagen wie Stromnetze und Unterwerke mithilfe von computer vision und Analysen zu inspizieren und zu verwalten. Insbesondere nutzt ihre Flaggschiffplattform Grid Vision® computer vision, Geodatenanalysen und Zeitreihendaten, um Luftbilder zu analysieren, Komponenten und Mängel zu erkennen und vorausschauende Einblicke für Übertragungsleitungen zu liefern.
Um die Inspektionseffizienz weiter zu steigern, hat eSmart Systems Ultralytics YOLO models in Grid Vision® integriert. Dies führte zu einer höheren Geschwindigkeit bei der Fehlererkennung und ermöglichte es Versorgungsunternehmen, von reaktiven Reparaturen zu einer effizienteren, zustandsbasierten Wartung überzugehen.
Transformation der Stromleitungsinspektion mit KI und Computer Vision#
Mit Hauptsitz in Halden, Norwegen, konzentriert sich eSmart Systems darauf, innovative Lösungen für den Versorgungssektor bereitzustellen, um kritische Infrastrukturen zu überwachen und zu warten. Beispielsweise bietet ihre Flaggschiffplattform Grid Vision® eine umfassende Lösung zur Inspektion und Verwaltung großflächiger Anlagen wie power grids und Unterwerken.
eSmart Systems wird von über 70 Versorgungsunternehmen weltweit geschätzt und hat bereits mehr als 100.000 Kilometer Stromleitungen inspiziert, wodurch Versorgungsunternehmen bessere, datenbasierte Entscheidungen treffen können. Grid Vision® macht die Wartung effizienter, reduziert Risiken und unterstützt den Übergang zu einer widerstandsfähigeren und sustainable energy-Infrastruktur.
eSmart Systems stellt zudem sicher, dass ihre KI-Lösungen hohen Standards für Datenschutz und regulatorische Compliance entsprechen. Sie sind nach ISO 27001 für Informationssicherheitsmanagement zertifiziert und halten sich an den Netcode Artikel 7.8, der den sicheren Datenaustausch im europäischen Stromnetzbetrieb regelt.
Die Komplexität von Netzinspektionen#
Stromnetze erstrecken sich über riesige Gebiete und verlaufen oft durch abgelegene oder schwer zugängliche Orte. Viele dieser Systeme sind alternd und erfordern regelmäßige Inspektionen, um Sicherheit und Zuverlässigkeit zu gewährleisten. Die Überprüfung von Komponenten wie Strommasten und Leitungen ist zeitaufwendig, kostspielig und kann für Arbeiter riskant sein.
eSmart Systems zielte darauf ab, Luftbilder mit drones und Helikoptern aufzunehmen und computer vision einzusetzen, um Komponenten zu erkennen und Mängel zu identifizieren. Da Versorgungsunternehmen jedoch unterschiedliche Komponenten besitzen und Bilder unter verschiedenen Bedingungen aufnehmen, war es eine Herausforderung, einen konsistenten Inspektions-Workflow aufrechtzuerhalten.
Abb. 1: Stromnetze können schwer zu warten sein.
Die manuelle Durchsicht dieser Bilder war ebenfalls langsam und ressourcenintensiv, was die Skalierung der Fehlererkennung erschwerte. 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 arbeitet.
Die Rolle von Objekterkennung und YOLO bei Netzinspektionen#
Um Automatisierung und Intelligenz in die Netzinspektionen zu bringen, hat eSmart Systems Ultralytics YOLO, ein computer vision-Modell, in seine Grid Vision®-Plattform integriert. Ultralytics YOLO models unterstützen verschiedene computer vision tasks, darunter Objekterkennung, wodurch die Plattform wichtige Komponenten wie Masten, Traversen, Isolatoren und Leiterseile in Luftbildern identifizieren kann.
Die Modelle werden auch eingesetzt, um Defekte wie Vegetationsbewuchs, Beschädigungen und Verschleiß zu erkennen, die die Leistung des Netzes beeinträchtigen können. Sobald Komponenten und Defekte erkannt wurden, werden diese Informationen durch Grid Vision® verarbeitet, das cloudbasierte Verarbeitung nutzt, um den Inspektionsprozess schnell und präzise zu automatisieren und zu skalieren.
Abb. 2: Grid Vision® erkennt elektrische Komponenten mithilfe von YOLO.
Die Plattform markiert potenzielle Defekte, bewertet die damit verbundenen Risikostufen und hilft Versorgungsunternehmen, die Wartung basierend auf dem Zustand der Anlagen zu planen. Diese Kombination aus Echtzeiterkennung und -analyse ermöglicht es Versorgern, von reaktiver Wartung zu einem proaktiveren Ansatz überzugehen und unterstützt sie dabei, potenziellen Problemen entgegenzuwirken, bevor diese zu kostspieligen Ausfällen führen.
Durch die Integration dieser Erkenntnisse mit Metadaten und Zeitreihendaten ermöglicht Grid Vision® Versorgungsunternehmen die Optimierung ihrer Wartungsstrategien, was die Effizienz verbessert und das Risiko unerwarteter Stromausfälle verringert.
Warum solltest du dich für Ultralytics YOLO Modelle entscheiden?#
eSmart Systems entschied sich für Ultralytics YOLO-Modelle aufgrund ihrer Geschwindigkeit, Genauigkeit und nahtlosen Integration in ihre KI-Pipeline. Ultralytics YOLO-Modelle liefern konsistente Ergebnisse bei der Analyse großer, hochauflösender Luftbilder und sind damit ideal für Netzinspektionen geeignet.
Zudem bietet das Ultralytics Python package eine Vielzahl von Integrationsoptionen, 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 eine 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 im Einsatz sind, kann eSmart Systems Inspektionen effizient skalieren. Dies ermöglicht es ihnen, sich auf die Verbesserung der Datenqualität und die Bewältigung spezifischer Herausforderungen der Versorgungsbranche zu konzentrieren.
Reduzierung der Inspektionszeit um 50 % mit Ultralytics YOLO#
Die Auswirkungen von Grid Vision®, angetrieben durch Ultralytics YOLO models, waren bei der Verbesserung von Netz-Inspektionen erheblich. Durch die Automatisierung der Anlageninspektionen und die Verbesserung der defect detection hat Grid Vision® den manuellen Arbeitsaufwand reduziert, die Sicherheit erhöht und proaktivere Wartungsstrategien ermöglicht.
Zum Beispiel reduzierte ein großes Energieunternehmen in der Schweiz, das tausende von Strommasten in bergigem Gelände verwaltet, die Inspektionszeiten um 50 %. Der Übergang von manuellem Klettern zu drohnenbasierten Inspektionen beschleunigte die Fehlererkennung, verbesserte die Arbeitssicherheit und sparte Zeit.
Ähnlich nutzte ein großer Versorger in den Vereinigten Staaten Grid Vision®, um 1.400 Übertragungsstrukturen in nur drei Monaten zu digitalisieren. Diese KI-gestützte Bildanalyse ersetzte manuelle Fotodurchsichten, ermöglichte eine Remote-Validierung und führte zu besseren, datengestützten Entscheidungen bei der Kapitalplanung.
Ebenso konnte ein Übertragungsnetzbetreiber in Finnland durch die Umstellung von bodengestützten Inspektionen auf drohnengestützte Bewertungen Feldbesuche reduzieren und Stromausfälle minimieren. Mit Grid Vision® und YOLO-basierter Defekterkennung verbesserte sich die Inspektionsgenauigkeit, und Fachkräfte konnten sich auf wichtigere Aufgaben konzentrieren.
Abb. 3: Ein Blick auf Stromnetzleitungen in Finnland, die mit Grid Vision® und YOLO überwacht werden.
Die nächste Generation von Netzinspektionen vorantreiben#
Mit Blick auf die Zukunft und die globale Expansion von eSmart Systems adressiert das Unternehmen Herausforderungen wie unterschiedliche Infrastrukturen, verschiedene Methoden der Bildaufnahme und Datendrift über Regionen hinweg. Um diese Bedenken auszuräumen, konzentriert sich das Unternehmen darauf, Grid Vision® skalierbarer und anpassungsfähiger zu gestalten.
Der Fortschritt bei MLOps-Pipelines war entscheidend, da er die Modell-Neuschulung vereinfacht und die Erweiterung der Datensätze automatisiert. Diese Verbesserungen steigern kontinuierlich die Genauigkeit und Leistung ihrer KI-Lösungen. eSmart Systems ebnet den Weg für eine effizientere und zuverlässigere Netzverwaltung und stellt einen zukunftssicheren Ansatz für die globale Energiewende sicher.
Interessiert an computer vision? Erkunde unser GitHub repository, um zu sehen, wie Ultralytics YOLO models Innovationen in Bereichen wie AI in self-driving cars und computer vision in agriculture vorantreiben. Erfahre noch heute mehr über unsere YOLO-Modelle und licensing options!
