Ultralytics YOLOモデルをGrid Vision®プラットフォームに統合することで、eSmart Systemsは点検時間を50%短縮し、障害検出を迅速化して、予防保全へと移行しました。
eSmart Systemsはノルウェーを拠点とする企業で、コンピュータービジョンと分析を活用し、電力網や変電所などの大規模資産の点検・管理を電力事業者に提供しています。特に、主力プラットフォームのGrid Vision®は、コンピュータービジョン、地理空間分析、時系列データを活用して航空画像を分析し、送電線の構成要素や欠陥を検出するとともに、予測的なインサイトを提供します。
点検効率をさらに高めるため、eSmart SystemsはGrid Vision®にUltralytics YOLOモデルを統合しました。これにより欠陥検出が高速化し、電力事業者は事後対応型の修理から、より効率的な状態基準保全へ移行できるようになりました。
AIとコンピュータービジョンによる送電線点検の変革#
ノルウェーのハルデンに本社を置くeSmart Systemsは、重要インフラの監視と保守を実現する革新的なソリューションを公益事業分野に提供しています。たとえば、主力プラットフォームのGrid Vision®は、電力網や変電所などの大規模資産を点検・管理する包括的なソリューションを提供します。
世界中の70社を超える電力事業者から信頼されるeSmart Systemsは、10万キロメートルを超える送電線を点検しており、電力事業者がデータに基づいたより適切な意思決定を行えるよう支援しています。Grid Vision®は保守の効率化とリスク低減を実現し、よりレジリエントで持続可能なエネルギーインフラへの移行を支援します。
eSmart Systemsは、AIソリューションが高いデータプライバシー基準と規制遵守要件を満たすことも確保しています。同社は情報セキュリティマネジメントに関するISO 27001認証を取得し、欧州の電力網運用における安全なデータ交換を規定するNetcode第7.8条に準拠しています。
電力網点検の複雑さ#
電力網は広大な地域に広がり、遠隔地やアクセスが難しい場所を通ることもよくあります。こうしたシステムの多くは老朽化しており、安全性と信頼性を確保するため定期的な点検が必要です。送電塔や送電線などの構成要素の点検には時間と費用がかかり、作業員にとって危険を伴うこともあります。
eSmart Systemsはドローンやヘリコプターで航空画像を撮影し、コンピュータービジョンを適用して構成要素の検出と欠陥の特定を目指しました。しかし、電力事業者ごとに構成要素が異なり、撮影条件もさまざまであるため、一貫した点検ワークフローを維持することは困難でした。
図1. 電力網の保守は困難な場合があります。
これらの画像を手作業で確認するのにも時間と多くのリソースが必要で、障害検出の拡大が困難でした。点検を自動化し、予防保全を支援するため、eSmart Systemsには、資産の種類、地域、気象条件を問わず安定して動作する、高速で柔軟なVision AIモデルが必要でした。
電力網点検における物体検出とYOLOの役割#
電力網点検に自動化とインテリジェンスを導入するため、eSmart SystemsはコンピュータービジョンモデルのUltralytics YOLOをGrid Vision®プラットフォームに統合しました。Ultralytics YOLOモデルは、さまざまなコンピュータービジョンタスクに対応しています。物体検出を利用すると、航空画像から鉄塔、腕金、碍子、電線などの主要な構成要素をプラットフォームで特定できます。
モデルは、電力網の性能に影響を及ぼす可能性がある樹木の接近、損傷、摩耗などの欠陥検出にも使用されています。構成要素と欠陥を検出した後、情報はGrid Vision®で処理されます。同プラットフォームはクラウドベースの処理を活用し、点検プロセスを迅速かつ正確に自動化し、拡張します。
図2. Grid Vision®はYOLOを使用して電気設備を検出します。
このプラットフォームは潜在的な欠陥にフラグを付け、関連するリスクレベルを評価し、資産の状態に基づく保守計画を電力事業者に支援します。リアルタイム検出と分析を組み合わせることで、電力事業者は事後対応型の保守から、より予防的なアプローチへ移行できます。高額な故障につながる前に潜在的な問題へ対処できるようになります。
こうしたインサイトをメタデータや時系列データと統合することで、Grid Vision®は電力事業者による保守戦略の最適化を可能にし、効率の向上と予期せぬ停電のリスク低減に貢献します。
Ultralytics YOLOモデルを選ぶ理由#
eSmart Systemsは、高速性、精度、AIパイプラインへのシームレスな統合を理由にUltralytics YOLOモデルを採用しました。Ultralytics YOLOモデルは、大規模で高解像度の航空画像を分析する際にも安定した結果を提供するため、電力網点検に適しています。
さらに、Ultralytics Pythonパッケージには、22種類のエクスポート形式を含むさまざまな統合オプションが用意されています。この柔軟性により、eSmart Systemsはさまざまな環境にモデルをデプロイできます。同社はトレーニングにPyTorchなどの形式を使い、本番環境では、特にクラウドインフラストラクチャのGPUリソースが限られている場合に、最適化されたCPU推論のためにONNXを使用しています。
すでに30を超えるUltralytics YOLOモデルが本番環境で稼働しており、eSmart Systemsは点検を効率的に拡大できます。これにより、データ品質の向上や電力事業者固有の課題への対応に注力できます。
Ultralytics YOLOで点検時間を50%短縮#
Ultralytics YOLOモデルを活用したGrid Vision®は、電力設備の点検強化に大きな効果をもたらしました。資産点検を自動化し、欠陥検出を改善したことで、Grid Vision®は手作業の負担を減らし、安全性を高め、より予防的な保守戦略を可能にしました。
たとえばスイスでは、山岳地帯にある送電線を支える高い構造物、すなわち鉄塔を数千基管理する大手エネルギー企業が、点検時間を50%短縮しました。作業員が手作業で登る点検からドローンを使った点検に移行したことで、障害検出が迅速化し、作業員の安全性が向上し、時間も節約できました。
同様に米国では、大手電力事業者がGrid Vision®を使用し、わずか3か月で1,400基の送電構造物をデジタル化しました。このAIを活用した画像分析により、写真の手作業による確認が不要となり、遠隔検証が可能になったほか、データに基づくより適切な設備投資計画の意思決定を実現しました。
同様にフィンランドでは、送電システム運用事業者が地上からの点検をドローン支援の評価に切り替え、現地訪問を減らして停電を最小限に抑えました。Grid Vision®とYOLOを活用した欠陥検出により点検精度が向上し、熟練作業員はより重要な業務に集中できるようになりました。
図3. Grid Vision®とYOLOを使用して監視しているフィンランドの送電網の様子。
次世代のユーティリティ点検を支える#
今後、eSmart Systemsはグローバル展開を進める中で、インフラの違い、画像の撮影方法の違い、地域ごとのデータドリフトなどの課題に取り組んでいます。これらの課題を克服するため、同社はGrid Vision®のスケーラビリティと適応性の向上に注力しています。
MLOpsパイプラインの進歩は重要な役割を果たしており、モデルの再トレーニングを簡素化し、データセットの拡張を自動化しています。こうした改善により、AIソリューションの精度とパフォーマンスは継続的に向上しています。eSmart Systemsは、より効率的で信頼性の高い送電網管理への道を切り開き、世界的なエネルギー転換に向けて将来を見据えたアプローチを実現しています。
コンピュータービジョンに関心がありますか？GitHubリポジトリで、Ultralytics YOLOモデルが航空画像向けコンピュータービジョンや農業におけるコンピュータービジョンなどの分野でどのようなイノベーションを推進しているかをご覧ください。YOLOモデルとライセンスオプションの詳細を今すぐご確認ください。
