Al integrar los modelos de Ultralytics YOLO en su plataforma Grid Vision®, eSmart Systems redujo el tiempo de inspección en un 50 %, permitió detectar fallos más rápidamente y adoptó un mantenimiento proactivo.
eSmart Systems es una empresa con sede en Noruega que ayuda a los proveedores de servicios públicos a inspeccionar y gestionar activos a gran escala, como redes eléctricas y subestaciones, mediante visión artificial y análisis de datos. En concreto, su plataforma insignia, Grid Vision®, utiliza visión artificial, análisis geoespacial y datos de series temporales para analizar imágenes aéreas, detectar componentes y defectos, y ofrecer información predictiva en líneas de transporte eléctrico.
Para mejorar aún más la eficiencia de las inspecciones, eSmart Systems integró los modelos de Ultralytics YOLO en Grid Vision®. Esto aumentó la velocidad de detección de defectos y permitió a las empresas de servicios públicos pasar de las reparaciones reactivas a un mantenimiento basado en el estado y más eficiente.
Transformación de las inspecciones de líneas eléctricas con IA y visión artificial#
Con sede central en Halden (Noruega), eSmart Systems se centra en aportar soluciones innovadoras al sector de los servicios públicos para supervisar y mantener infraestructuras críticas. Por ejemplo, su plataforma insignia, Grid Vision®, ofrece una solución integral para inspeccionar y gestionar activos a gran escala, como redes eléctricas y subestaciones.
Con la confianza de más de 70 empresas de servicios públicos de todo el mundo, eSmart Systems ha inspeccionado más de 100 000 kilómetros de líneas eléctricas, lo que permite a estas empresas tomar decisiones mejores basadas en datos. Grid Vision® hace que el mantenimiento sea más eficiente, reduce los riesgos y favorece la transición hacia una infraestructura energética más resiliente y sostenible.
eSmart Systems también garantiza que sus soluciones de IA cumplan estándares exigentes de privacidad de datos y conformidad normativa. Cuenta con la certificación ISO 27001 en gestión de la seguridad de la información y cumple el artículo 7.8 del Netcode, que regula el intercambio seguro de datos en las operaciones de las redes eléctricas europeas.
La complejidad de las inspecciones de redes eléctricas#
Las redes eléctricas se extienden por áreas muy extensas y a menudo atraviesan lugares remotos o de difícil acceso. Muchos de estos sistemas están envejeciendo y requieren inspecciones periódicas para garantizar la seguridad y la fiabilidad. Inspeccionar componentes como torres de transporte y líneas eléctricas requiere mucho tiempo, resulta costoso y puede ser peligroso para los trabajadores.
eSmart Systems tenía como objetivo capturar imágenes aéreas mediante drones y helicópteros, aplicando visión artificial para detectar componentes e identificar defectos. Sin embargo, como las empresas de servicios públicos tienen componentes diferentes y capturan imágenes en condiciones diversas, resultaba difícil mantener un flujo de trabajo de inspección uniforme.
Fig. 1. Las redes eléctricas pueden ser difíciles de mantener.
Revisar estas imágenes manualmente también era lento y exigía muchos recursos, lo que dificultaba ampliar la detección de fallos. Para automatizar las inspecciones y facilitar el mantenimiento proactivo, eSmart Systems necesitaba un modelo de Vision AI rápido y adaptable que funcionara de forma fiable con distintos tipos de activos, regiones y condiciones meteorológicas.
El papel de la detección de objetos y YOLO en las inspecciones de redes eléctricas#
Para aportar automatización e inteligencia a las inspecciones de redes eléctricas, eSmart Systems integró Ultralytics YOLO, un modelo de visión artificial, en su plataforma Grid Vision®. Los modelos de Ultralytics YOLO admiten varias tareas de visión artificial, incluida la detección de objetos, lo que permite a la plataforma identificar componentes clave como torres, crucetas, aisladores y conductores en imágenes aéreas.
Los modelos también se utilizan para detectar defectos como la invasión de la vegetación, daños y desgaste, que pueden afectar al rendimiento de la red eléctrica. Una vez detectados los componentes y defectos, esta información se procesa mediante Grid Vision®, que utiliza procesamiento en la nube para automatizar y ampliar rápidamente el proceso de inspección con precisión.
Fig. 2. Grid Vision® detecta componentes eléctricos mediante YOLO.
La plataforma señala posibles defectos, evalúa los niveles de riesgo asociados y ayuda a las empresas de servicios públicos a planificar el mantenimiento en función del estado de los activos. Esta combinación de detección y análisis en tiempo real permite pasar de un mantenimiento reactivo a un enfoque más proactivo, ayudando a anticiparse a posibles problemas antes de que provoquen fallos costosos.
Al integrar esta información con metadatos y datos de series temporales, Grid Vision® permite a las empresas de servicios públicos optimizar sus estrategias de mantenimiento, mejorar la eficiencia y reducir el riesgo de interrupciones imprevistas.
¿Por qué elegir los modelos Ultralytics YOLO?#
eSmart Systems adoptó los modelos de Ultralytics YOLO por su velocidad, precisión e integración fluida en su canal de IA. Los modelos de Ultralytics YOLO ofrecen resultados uniformes al analizar imágenes aéreas grandes y de alta resolución, por lo que son ideales para las inspecciones de redes eléctricas.
Además, el paquete de Python de Ultralytics ofrece diversas opciones de integración, incluidos 15 formatos de exportación. Esta flexibilidad permite a eSmart Systems desplegar los modelos en distintos entornos. Utilizan formatos como PyTorch para el entrenamiento y ONNX para la inferencia optimizada en CPU en producción, especialmente cuando los recursos de GPU son limitados en su infraestructura en la nube.
Con más de 30 modelos de Ultralytics YOLO ya en producción, eSmart Systems puede ampliar las inspecciones de forma eficiente. Esto les permite centrarse en mejorar la calidad de los datos y abordar los retos específicos de cada empresa de servicios públicos.
Reducción del tiempo de inspección en un 50 % con Ultralytics YOLO#
El impacto de Grid Vision®, impulsado por los modelos de Ultralytics YOLO, ha sido significativo para mejorar las inspecciones de empresas de servicios públicos. Al automatizar las inspecciones de activos y mejorar la detección de defectos, Grid Vision® ha reducido la carga de trabajo manual, aumentado la seguridad y facilitado estrategias de mantenimiento más proactivas.
Por ejemplo, en Suiza, una importante empresa energética que gestiona miles de torres —estructuras altas que sostienen las líneas eléctricas— en terrenos montañosos redujo el tiempo de inspección en un 50 %. El cambio de la escalada manual a las inspecciones con drones aceleró la detección de fallos, mejoró la seguridad de los trabajadores y ahorró tiempo.
Del mismo modo, en Estados Unidos, un gran proveedor de servicios públicos utilizó Grid Vision® para digitalizar 1400 estructuras de transporte en solo tres meses. Este análisis de imágenes basado en IA sustituyó la revisión manual de fotografías, permitió la validación remota y facilitó mejores decisiones de planificación de inversiones basadas en datos.
Asimismo, en Finlandia, un operador del sistema de transporte redujo las visitas sobre el terreno y minimizó las interrupciones al pasar de las inspecciones desde tierra a las evaluaciones asistidas por drones. Con Grid Vision® y la detección de defectos basada en YOLO, mejoró la precisión de las inspecciones y los trabajadores cualificados pudieron centrarse en tareas más importantes.
Fig. 3. Vista de las líneas de la red eléctrica de Finlandia supervisadas mediante Grid Vision® y YOLO.
Impulso a la próxima generación de inspecciones de empresas de servicios públicos#
De cara al futuro, a medida que eSmart Systems se expande por todo el mundo, está abordando retos como la variación de las infraestructuras, los distintos métodos de captura de imágenes y la deriva de datos entre regiones. Para superar estas dificultades, la empresa se está centrando en hacer que Grid Vision® sea más escalable y adaptable.
Sus avances en los canales de MLOps han sido fundamentales para simplificar el reentrenamiento de modelos y automatizar la ampliación de los conjuntos de datos. Estas mejoras aumentan continuamente la precisión y el rendimiento de sus soluciones de IA. eSmart Systems está allanando el camino hacia una gestión de redes eléctricas más eficiente y fiable, garantizando un enfoque preparado para el futuro de la transición energética mundial.
¿Te interesa la visión artificial? Explora nuestro repositorio de GitHub para descubrir cómo los modelos de Ultralytics YOLO impulsan innovaciones en áreas como la IA en los coches autónomos y la visión artificial en la agricultura. ¡Descubre hoy nuestros modelos YOLO y nuestras opciones de licencia!
