eSmart Systems réduit de moitié le temps d'inspection des lignes électriques avec Ultralytics YOLO

eSmart Systems est une entreprise basée en Norvège qui aide les fournisseurs de services publics à inspecter et à gérer des actifs à grande échelle, tels que les réseaux électriques et les sous-stations, à l'aide de la computer vision et de l'analyse de données. En particulier, leur plateforme phare, Grid Vision®, exploite la computer vision, l'analyse géospatiale et les données de séries temporelles pour analyser l'imagerie aérienne, détecter les composants et les défauts, et fournir des informations prédictives sur les lignes de transmission.

Pour améliorer encore l'efficacité des inspections, eSmart Systems a intégré les Ultralytics YOLO models dans Grid Vision®. Cela s'est traduit par une vitesse accrue de détection des défauts et a permis aux services publics de passer de réparations réactives à une maintenance prédictive plus efficace.

Transformer les inspections des lignes électriques avec l'IA et la vision par ordinateur#

Ayant son siège social à Halden, en Norvège, eSmart Systems s'efforce d'apporter des solutions innovantes au secteur des services publics pour surveiller et entretenir les infrastructures critiques. Par exemple, leur plateforme phare, Grid Vision®, offre une solution complète pour inspecter et gérer des actifs à grande échelle tels que les power grids et les sous-stations.

Apprécié par plus de 70 services publics dans le monde entier, eSmart Systems a inspecté plus de 100 000 kilomètres de lignes électriques, permettant aux services publics de prendre de meilleures décisions basées sur les données. Grid Vision® rend la maintenance plus efficace, réduit les risques et soutient la transition vers une infrastructure d'sustainable energy plus résiliente.

eSmart Systems veille également à ce que ses solutions d'IA respectent des normes élevées en matière de confidentialité des données et de conformité réglementaire. Ils sont certifiés ISO 27001 pour la gestion de la sécurité de l'information et se conforment à l'article 7.8 du Netcode, qui régit l'échange sécurisé de données dans les opérations des réseaux électriques européens.

Les complexités des inspections de réseau#

Les réseaux électriques s'étendent sur de vastes zones, passant souvent par des endroits isolés ou difficiles d'accès. Beaucoup de ces systèmes vieillissent et nécessitent des inspections régulières pour garantir la sécurité et la fiabilité. L'inspection de composants tels que les tours de transmission et les lignes électriques prend du temps, coûte cher et peut être risquée pour les travailleurs.

eSmart Systems avait pour objectif de capturer des images aériennes à l'aide de drones et d'hélicoptères, en appliquant la computer vision pour détecter les composants et identifier les défauts. Cependant, comme les services publics possèdent des composants différents et capturent des images dans des conditions variées, il était difficile de maintenir un flux de travail d'inspection cohérent.

Fig 1. Les réseaux électriques peuvent être difficiles à entretenir.

L'examen manuel de ces images était également lent et gourmand en ressources, rendant difficile la mise à l'échelle de la détection des pannes. Pour automatiser les inspections et soutenir la maintenance proactive, eSmart Systems avait besoin d'un modèle de Vision AI rapide et adaptable, capable de fonctionner de manière fiable sur différents types d'actifs, régions et conditions météorologiques.

Le rôle de la détection d'objets et de YOLO dans les inspections de réseau#

Pour apporter de l'automatisation et de l'intelligence aux inspections de réseaux, eSmart Systems a intégré Ultralytics YOLO, un modèle de computer vision, dans sa plateforme Grid Vision®. Les Ultralytics YOLO models prennent en charge diverses computer vision tasks, y compris la détection d'objets, ce qui permet à la plateforme d'identifier les composants clés tels que les pylônes, les traverses, les isolateurs et les conducteurs dans l'imagerie aérienne.

Les modèles sont également utilisés pour détecter des défauts tels que l'empiètement de la végétation, les dommages et l'usure, qui peuvent affecter les performances du réseau. Une fois les composants et les défauts détectés, ces informations sont traitées via Grid Vision®, qui utilise un traitement basé sur le cloud pour automatiser et mettre à l'échelle le processus d'inspection rapidement et précisément.

Fig 2. Grid Vision® détecte les composants électriques en utilisant YOLO.

La plateforme signale les défauts potentiels, évalue les niveaux de risque associés et aide les services publics à planifier la maintenance en fonction de l'état des actifs. Cette combinaison de détection et d'analyse en temps réel permet aux services publics de passer d'une maintenance réactive à une approche plus proactive, les aidant à anticiper les problèmes potentiels avant qu'ils ne conduisent à des défaillances coûteuses.

En intégrant ces informations avec des métadonnées et des données de séries temporelles, Grid Vision® permet aux services publics d'optimiser leurs stratégies de maintenance, améliorant l'efficacité et réduisant le risque de pannes inattendues.

Pourquoi choisir les modèles Ultralytics YOLO ?#

eSmart Systems a adopté les modèles Ultralytics YOLO pour leur vitesse, leur précision et leur intégration transparente dans leur pipeline d'IA. Les modèles Ultralytics YOLO fournissent des résultats cohérents lors de l'analyse de grandes images aériennes haute résolution, ce qui les rend idéaux pour les inspections de réseau.

De plus, le Ultralytics Python package offre une variété d'options d'intégration, dont 15 formats d'exportation. Cette flexibilité permet à eSmart Systems de déployer les modèles dans différents environnements. Ils utilisent des formats comme PyTorch pour l'entraînement et ONNX pour une inférence CPU optimisée en production, en particulier lorsque les ressources GPU sont limitées dans leur infrastructure cloud.

Avec plus de 30 modèles Ultralytics YOLO déjà en production, eSmart Systems peut mettre à l'échelle ses inspections de manière efficace. Cela leur permet de se concentrer sur l'amélioration de la qualité des données et de relever les défis spécifiques aux services publics.

Réduire le temps d'inspection de 50 % avec Ultralytics YOLO#

L'impact de Grid Vision®, propulsé par les Ultralytics YOLO models, a été significatif pour améliorer les inspections de services publics. En automatisant les inspections d'actifs et en améliorant la defect detection, Grid Vision® a réduit la charge de travail manuelle, accru la sécurité et facilité des stratégies de maintenance plus proactives.

Par exemple, en Suisse, une grande entreprise d'énergie gérant des milliers de pylônes (hautes structures supportant des lignes électriques) en terrain montagneux a réduit ses temps d'inspection de 50 %. La transition de l'escalade manuelle vers des inspections par drone a accéléré la détection des pannes, amélioré la sécurité des travailleurs et permis d'économiser du temps.

De même, aux États-Unis, un grand fournisseur de services publics a utilisé Grid Vision® pour numériser 1 400 structures de transmission en seulement trois mois. Cette analyse d'images pilotée par l'IA a remplacé les examens photo manuels, permettant une validation à distance et favorisant de meilleures décisions de planification des capitaux basées sur les données.

De même, en Finlande, un opérateur de système de transmission a réduit les visites sur le terrain et minimisé les pannes en passant des inspections au sol à des évaluations assistées par drone. Avec Grid Vision® et la détection de défauts par YOLO, la précision des inspections s'est améliorée et les travailleurs qualifiés ont pu se concentrer sur des tâches plus importantes.

Fig 3. Un aperçu des lignes de réseau électrique en Finlande surveillées à l'aide de Grid Vision® et YOLO.

Propulser la prochaine génération d'inspections de services publics#

Pour l'avenir, à mesure qu'eSmart Systems se développe à l'échelle mondiale, ils relèvent des défis tels que des infrastructures variables, des méthodes de capture d'images différentes et la dérive des données entre les régions. Pour surmonter ces préoccupations, l'entreprise se concentre sur la manière de rendre Grid Vision® plus évolutif et adaptable.

Leurs progrès avec les pipelines MLOps ont été essentiels, simplifiant le réentraînement des modèles et automatisant l'expansion des jeux de données. Ces améliorations renforcent continuellement la précision et les performances de leurs solutions d'IA. eSmart Systems ouvre la voie à une gestion de réseau plus efficace et fiable, assurant une approche prête pour l'avenir de la transition énergétique mondiale.

Intéressé par la computer vision ? Explore notre GitHub repository pour voir comment les Ultralytics YOLO models stimulent l'innovation dans des domaines tels que l'AI in self-driving cars et la computer vision in agriculture. Découvre nos modèles YOLO et nos licensing options dès aujourd'hui !