En intégrant les modèles Ultralytics YOLO à sa plateforme Grid Vision®, eSmart Systems a réduit de 50 % le temps d’inspection, accéléré la détection des défauts et adopté une maintenance proactive.
eSmart Systems est une entreprise basée en Norvège qui aide les fournisseurs de services publics à inspecter et à gérer des actifs de grande envergure, comme les réseaux électriques et les sous-stations, grâce à la vision par ordinateur et à l’analytique. Sa plateforme phare, Grid Vision®, combine notamment vision par ordinateur, analytique géospatiale et données de séries temporelles pour analyser des images aériennes, détecter des composants et des défauts, et fournir des prévisions sur les lignes de transport.
Pour améliorer encore l’efficacité des inspections, eSmart Systems a intégré les modèles Ultralytics YOLO à Grid Vision®. Cela a accéléré la détection des défauts et permis aux fournisseurs de services publics de délaisser les réparations réactives au profit d’une maintenance plus efficace fondée sur l’état des équipements.
Transformer l’inspection des lignes électriques grâce à l’IA et à la vision par ordinateur#
Basée à Halden, en Norvège, eSmart Systems s’attache à proposer des solutions innovantes au secteur des services publics pour surveiller et entretenir les infrastructures essentielles. Sa plateforme phare, Grid Vision®, offre par exemple une solution complète pour inspecter et gérer des actifs de grande envergure comme les réseaux électriques et les sous-stations.
Adoptée par plus de 70 fournisseurs de services publics dans le monde, eSmart Systems a inspecté plus de 100 000 kilomètres de lignes électriques, permettant à ces fournisseurs de prendre de meilleures décisions fondées sur les données. Grid Vision® rend la maintenance plus efficace, réduit les risques et favorise la transition vers des infrastructures énergétiques plus résilientes et durables.
eSmart Systems veille également à ce que ses solutions d’IA respectent des normes élevées de confidentialité des données et de conformité réglementaire. L’entreprise est certifiée ISO 27001 pour la gestion de la sécurité de l’information et respecte l’article 7.8 du Netcode, qui régit l’échange sécurisé de données dans l’exploitation des réseaux électriques européens.
La complexité de l’inspection des réseaux électriques#
Les réseaux électriques s’étendent sur de vastes territoires et traversent souvent des zones reculées ou difficiles d’accès. Beaucoup de ces systèmes vieillissent et nécessitent des inspections régulières pour garantir leur sécurité et leur fiabilité. L’inspection d’éléments comme les pylônes de transport et les lignes électriques prend du temps, coûte cher et peut être risquée pour les travailleurs.
eSmart Systems souhaitait capturer des images aériennes avec des drones et des hélicoptères, puis utiliser la vision par ordinateur pour détecter les composants et repérer les défauts. Toutefois, comme les composants varient d’un fournisseur de services publics à l’autre et que les images sont capturées dans des conditions diverses, il était difficile de maintenir un flux d’inspection cohérent.
Fig. 1. L’entretien des réseaux électriques peut être difficile.
L’examen manuel de ces images était également lent et gourmand en ressources, ce qui compliquait le déploiement à grande échelle de la détection des défauts. Pour automatiser les inspections et favoriser une maintenance proactive, eSmart Systems avait besoin d’un modèle de Vision AI rapide et adaptable, capable de fonctionner de manière fiable avec différents types d’actifs, régions et conditions météorologiques.
Le rôle de la détection d’objets et de YOLO dans l’inspection des réseaux#
Pour automatiser et rendre plus intelligentes les inspections des réseaux, eSmart Systems a intégré Ultralytics YOLO, un modèle de vision par ordinateur, à sa plateforme Grid Vision®. Les modèles Ultralytics YOLO prennent en charge diverses tâches de vision par ordinateur, notamment la détection d’objets, qui permet à la plateforme d’identifier des composants clés comme les pylônes, les traverses, les isolateurs et les conducteurs dans les images aériennes.
Les modèles servent également à détecter des défauts comme l’empiètement de la végétation, les dommages et l’usure, susceptibles d’affecter les performances du réseau. Une fois les composants et les défauts détectés, ces informations sont traitées par Grid Vision®, qui s’appuie sur le cloud pour automatiser et déployer rapidement et précisément le processus d’inspection à grande échelle.
Fig. 2. Grid Vision® détecte les composants électriques à l’aide de YOLO.
La plateforme signale les défauts potentiels, évalue les niveaux de risque associés et aide les fournisseurs de services publics à planifier la maintenance en fonction de l’état des actifs. Cette combinaison de détection et d’analyse en temps réel leur permet de passer d’une maintenance réactive à une approche plus proactive, afin d’anticiper les problèmes potentiels avant qu’ils n’entraînent des pannes coûteuses.
En combinant ces informations à des métadonnées et à des données de séries temporelles, Grid Vision® permet aux fournisseurs de services publics d’optimiser leurs stratégies de maintenance, d’améliorer leur efficacité et de réduire le risque de coupures imprévues.
Pourquoi choisir les modèles Ultralytics YOLO ?#
eSmart Systems a adopté les modèles Ultralytics YOLO pour leur vitesse, leur précision et leur intégration fluide à son pipeline d’IA. Ils fournissent des résultats cohérents lors de l’analyse de grandes images aériennes haute résolution, ce qui les rend idéaux pour l’inspection des réseaux.
De plus, le paquet Python Ultralytics propose diverses options d’intégration, notamment 22 formats d’exportation. Cette flexibilité permet à eSmart Systems de déployer les modèles dans différents environnements. L’équipe utilise des formats comme PyTorch pour l’entraînement et ONNX pour optimiser l’inférence sur CPU en production, en particulier lorsque les ressources GPU sont limitées dans son infrastructure cloud.
Avec plus de 30 modèles Ultralytics YOLO déjà en production, eSmart Systems peut déployer efficacement ses inspections à grande échelle. L’entreprise peut ainsi se concentrer sur l’amélioration de la qualité des données et la résolution des défis propres aux fournisseurs de services publics.
Réduire de 50 % le temps d’inspection avec Ultralytics YOLO#
La plateforme Grid Vision®, basée sur les modèles Ultralytics YOLO, a considérablement amélioré les inspections des fournisseurs de services publics. En automatisant l’inspection des actifs et en améliorant la détection des défauts, Grid Vision® a réduit la charge de travail manuel, renforcé la sécurité et facilité l’adoption de stratégies de maintenance plus proactives.
En Suisse, par exemple, une grande entreprise énergétique qui gère des milliers de pylônes — de hautes structures supportant les lignes électriques — en terrain montagneux a réduit de 50 % le temps d’inspection. Le passage de l’escalade manuelle aux inspections par drone a accéléré la détection des défauts, amélioré la sécurité des travailleurs et fait gagner du temps.
De même, aux États-Unis, un grand fournisseur de services publics a utilisé Grid Vision® pour numériser 1 400 structures de transport en seulement trois mois. Cette analyse d’images basée sur l’IA a remplacé l’examen manuel des photos, permettant une validation à distance et de meilleures décisions de planification des investissements fondées sur les données.
De même, en Finlande, un gestionnaire de réseau de transport a réduit les déplacements sur le terrain et minimisé les pannes en remplaçant les inspections au sol par des évaluations assistées par drone. Grâce à Grid Vision® et à la détection de défauts alimentée par YOLO, la précision des inspections s’est améliorée et les travailleurs qualifiés ont pu se consacrer à des tâches plus importantes.
Fig. 3. Vue des lignes du réseau électrique en Finlande, surveillées à l’aide de Grid Vision® et de YOLO.
Alimenter la prochaine génération d’inspections des réseaux d’utilité publique#
À l’avenir, à mesure qu’eSmart Systems se développe à l’échelle mondiale, l’entreprise s’attaque à des défis tels que la diversité des infrastructures, les différentes méthodes de capture d’images et la dérive des données d’une région à l’autre. Pour relever ces défis, l’entreprise s’efforce de rendre Grid Vision® plus évolutif et adaptable.
Les progrès réalisés dans les pipelines MLOps ont été déterminants : ils simplifient le réentraînement des modèles et automatisent l’extension des jeux de données. Ces améliorations renforcent continuellement la précision et les performances de ses solutions d’IA. eSmart Systems ouvre la voie à une gestion des réseaux plus efficace et plus fiable, en misant sur une approche prête pour l’avenir de la transition énergétique mondiale.
Tu t’intéresses à la vision par ordinateur ? Explore notre dépôt GitHub pour découvrir comment les modèles Ultralytics YOLO stimulent l’innovation dans des domaines tels que la vision par ordinateur appliquée aux images aériennes et la vision par ordinateur dans l’agriculture. Découvre dès aujourd’hui nos modèles YOLO et nos options de licence !
Écrit par
Créateur de contenu · Ultralytics
