eSmart SystemsがUltralytics YOLOで送電線検査時間を半分に短縮

eSmart Systems は、computer vision と分析を活用して、電力網や変電所などの大規模アセットの検査と管理を電力事業者向けに支援するノルウェーの企業です。特に、同社の主力プラットフォームである Grid Vision® は、 computer vision、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、コンポーネントや欠陥を検出し、送電線全体にわたって予測的なインサイトを提供します。

検査効率をさらに向上させるため、eSmart Systems は Ultralytics YOLO models を Grid Vision® に統合しました。これにより、欠陥検出速度が向上し、電力事業者は事後対応型の修復から、より効率的な状態ベースのメンテナンスへ移行できるようになりました。

AIとコンピュータ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、重要インフラストラクチャを監視および維持するための革新的なソリューションをユーティリティセクターに提供することに注力しています。たとえば、同社の主力プラットフォームである Grid Vision® は、power grids や変電所などの大規模アセットを検査および管理するための包括的なソリューションを提供します。

世界中の 70 を超える電力会社から信頼されている eSmart Systems は、10 万キロメートルを超える送電線を検査し、電力会社がデータに基づいたより優れた意思決定を行えるように支援してきました。 Grid Vision® はメンテナンスをより効率的にし、リスクを軽減し、よりレジリエントで sustainable energy インフラストラクチャへの移行をサポートします。

また、eSmart Systemsは、同社のAIソリューションがデータプライバシーと規制遵守に関する高い基準を満たすことを保証しています。同社は情報セキュリティマネジメントに関するISO 27001認証を取得しており、ヨーロッパの電力網運用における安全なデータ交換を規定するNetcode Article 7.8にも準拠しています。

送電網点検における複雑性#

送電網は広範囲にわたっており、多くの場合、遠隔地やアクセスが困難な場所を通っています。これらの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に定期的な点検が必要です。送電塔や送電線といったコンポーネントの点検は時間とコストがかかり、作業員にとってリスクを伴う可能性があります。

eSmart Systems は、drones やヘリコプターを使用して航空画像を撮影し、 computer vision を適用してコンポーネントを検出し、欠陥を特定することを目指していました。しかし、電力会社によってコンポーネントが異なり、さまざまな条件で画像が撮影されるため、一貫した検査ワークフローを維持することは困難でした。

図1：電力網の維持は困難な場合があります。

これらの画像を人間が手作業で確認する作業も遅くリソースを大量に消費するため、故障検出の規模を拡大することが困難でした。点検を自動化し、予防的メンテナンスをサポートするために、eSmart Systemsは、資産の種類、地域、気象条件にかかわらず確実に動作する、高速で適応性の高いVision AIモデルを必要としていました。

送電網点検における物体検出とYOLOの役割#

グリッド検査に自動化とインテリジェンスをもたらすために、eSmart Systems は computer vision モデルである Ultralytics YOLO を Grid Vision® プラットフォームに統合しました。 Ultralytics YOLO models は、オブジェクト検出を含むさまざまな computer vision tasks をサポートしており、プラットフォームは航空画像内の鉄塔、腕金、絶縁体、導体などの主要なコンポーネントを識別できます。

また、これらのモデルは、送電網の性能に影響を及ぼす植生の侵入、損傷、摩耗といった欠陥の検出にも使用されています。コンポーネントと欠陥が検出されると、その情報はGrid Vision®を通じて処理され、クラウドベースの処理を用いて点検プロセスを迅速かつ正確に自動化・拡張します。

図2：Grid Vision®はYOLOを使用して電気コンポーネントを検出します。

このプラットフォームは潜在的な欠陥にフラグを立て、関連するリスクレベルを評価し、資産の状態に基づいてメンテナンス計画を立てるよう公益事業者を支援します。このリアルタイム検出と分析の組み合わせにより、公益事業者は事後対応型のメンテナンスから、より予防的なアプローチへと移行し、高コストな障害が発生する前に問題を未然に防ぐことが可能になります。

これらの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®は公益事業者がメンテナンス戦略を最適化し、効率を向上させ、予期せぬ停電のリスクを軽減できるようにします。

なぜUltralytics YOLOモデルが選ばれるのか#

eSmart Systemsは、その速度、精度、そしてAIパイプラインへのシームレスな統合という理由から、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解析する際に一貫した結果をもたらすため、送電網の点検に最適です。

また、Ultralytics Python package は、15 のエクスポート形式を含むさまざまな統合オプションを提供します。この柔軟性により、eSmart Systems はさまざまな環境にモデルを展開できます。同社は、クラウドインフラストラクチャのリソースが限られている場合、特にトレーニングには PyTorch などの形式を使用し、本番環境での最適化された CPU 推論には ONNX を使用しています。

すでに30以上の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張できます。これにより、データ品質の向上と、公益事業者特有の課題への対応に集中できるようになっています。

Ultralytics YOLOによる点検時間の50%短縮#

Ultralytics YOLO models を搭載した Grid Vision® の影響は、電力会社の検査を強化する上で非常に大きいです。アセット検査を自動化し、defect detection を改善することで、Grid Vision® は手動のワークロードを削減し、安全性を高め、よりプロactiveなメンテナンス戦略を促進しました。

例えば、山岳地帯にある数千もの鉄塔（送電線を支える高い構造物）を管理するスイスの大手エネルギー企業は、点検時間を50%短縮しました。手作業による登り点検からドローンベースの点検に移行したことで、故障検出がスピードアップし、作業員の安全性が向上し、時間の節約につながりました。

同様に、米国の大手公益事業者では、Grid Vision®を使用して1,400の送電構造物をわずか3か月でデジタル化しました。このAI主導の画像解析は手作業による写真確認に取って代わり、遠隔での検証を可能にし、より適切なデータ駆動型の資本計画の意思決定を支援しました。

同様にフィンランドでも、送電システムオペレーターが地上での点検からドローン支援による評価に切り替えることで、現場訪問を減らし、停電を最小限に抑えました。Grid Vision®とYOLO駆動の欠陥検出により、点検精度が向上し、熟練した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を使用して監視されているフィンランドの送電線。

次世代の公益事業者向け点検を促進#

今後、eSmart Systemsはグローバルに拡大するにつれ、多様なインフラ、異なる画像取得方法、地域ごとのデータドリフトといった課題に取り組んでいます。これらの懸念を克服するため、同社はGrid Vision®の拡張性と適応性を高めることに注力しています。

彼らのMLOpsパイプラインにおける進歩は、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する鍵となっています。これらの改善により、彼らのAIソリューションの精度と性能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、グローバルなエネルギー転換に向けた将来を見据えたアプローチを確実にしています。

computer vision に興味がありますか？ GitHub repository を探索して、Ultralytics YOLO models が AI in self-driving cars や computer vision in agriculture などの分野でイノベーションをどのように推進しているかをご確認ください。YOLO models と licensing options の詳細を今すぐチェックしてください！