イースマート・システムズ、Ultralytics YOLOユーティリティ検査を自動化

eSmart Systems社はノルウェーに本社を置く企業で、コンピューター・ビジョンとアナリティクスを利用して、電力会社が送電網や変電所などの大規模資産を検査・管理するのを支援している。特に、同社の主力プラットフォームである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、航空画像の分析、部品や欠陥のdetect 、送電線全体の予測的洞察を提供する。

検査効率をさらに高めるため、eSmart SystemsはUltralytics YOLO モデルをGrid Vision®に統合しました。その結果、欠陥検出速度が向上し、電力会社は事後修理からより効率的な状態ベースのメンテナンスに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検査の変革

ノルウェーのハルデンに本社を置くeSmart Systemsは、重要なインフラストラクチャを監視および保守するための革新的なソリューションを公益事業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、電力網や変電所などの大規模な資産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以上の公益事業者に信頼されているeSmart Systemsは、10万キロメートル以上の送電線を検査し、公益事業者がより優れたデータ駆動型の意思決定を行えるようにしています。Grid Vision®は、メンテナンスをより効率的にし、リスクを軽減し、より回復力があり、持続可能なエネルギーインフラへの移行をサポートします。

eSmart Systemsはまた、その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していることを保証します。彼らは情報セキュリティ管理に関する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に準拠しています。

グリッド検査の複雑さ 

送電網は広大な地域に広がり、多くの場合、遠隔地やアクセスしにくい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検査が必要です。送電塔や送電線などのコンポーネントの検査は、時間がかかり、コストがかかり、作業者にとって危険な場合があります。 

eSmart Systems社は、ドローンやヘリコプターを使用して空撮画像を撮影し、コンピュータ・ビジョンを適用してコンポーネントをdetect し、欠陥を特定することを目指していた。しかし、公共施設にはさまざまな部品があり、さまざまな条件で画像を撮影するため、一貫した検査ワークフローを維持するのは困難だった。

‍

これらの画像を手動でレビューすることも、時間とリソースを消費するため、障害検出を拡張することが困難でした。検査を自動化し、予防的なメンテナンスをサポートするために、eSmart Systemsは、アセットの種類、地域、および気象条件全体で確実に実行できる、高速で適応性のあるVision AIモデルを必要としていました。

グリッド検査における物体検出とYOLO 役割 

グリッド検査に自動化とインテリジェンスを導入するため、eSmart SystemsはコンピュータビジョンモデルのUltralytics YOLOGrid Vision®プラットフォームに統合しました。Ultralytics YOLO モデルは、オブジェクト検出を含む様々なコンピュータビジョンタスクをサポートし、プラットフォームが空中画像からタワー、クロスアーム、碍子、導体などの主要コンポーネントを識別することを可能にします。 

このモデルは、送電網の性能に影響を与える植生の侵入、損傷、摩耗などの欠陥のdetect 使用されている。コンポーネントや欠陥が検出されると、この情報はGrid Vision®によって処理されます。Grid Vision®はクラウドベースの処理を使用して、検査プロセスを迅速かつ正確に自動化し、スケーリングします。

‍

このプラットフォームは、潜在的な欠陥を検出し、関連するリスクレベルを評価し、電力会社が資産の状態に基づいてメンテナンスを計画するのを支援します。リアルタイムの検出と分析を組み合わせることで、電力会社は事後対応型のメンテナンスから、より積極的なアプローチに移行でき、コストのかかる故障につながる可能性のある問題を事前に回避できます。

これらの洞察をメタデータおよび時系列データと統合することで、Grid Vision®は、ユーティリティがメンテナンス戦略を最適化し、効率を向上させ、予期しない停止のリスクを軽減することを可能にします。

なぜUltralytics YOLO モデルを選ぶのか？

eSmart Systemsは、Ultralytics YOLO モデルのスピード、精度、AIパイプラインへのシームレスな統合を採用しました。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一貫した結果を提供するため、グリッド検査に最適です。

また、Ultralytics Python パッケージは、15のエクスポート形式を含む様々な統合オプションを提供しています。この柔軟性により、eSmart Systems社は様々な環境にモデルを展開することができる。特にクラウドインフラでGPU リソースが限られている場合は、トレーニングにPyTorch 、本番で最適化されたCPU 推論にONNX フォーマットを使用している。

すでに30以上のUltralytics YOLO モデルが稼働しているため、eSmart Systemsは効率的に検査を拡大することができる。これにより、データ品質の向上と公益事業特有の課題への対応に集中することができます。

Ultralytics YOLO検査時間を50％短縮

Ultralytics YOLO モデルを搭載したGrid Vision®の影響は、ユーティリティ検査の強化に大きく貢献しています。資産検査を自動化し、欠陥検出を改善することで、Grid Vision®は手作業を減らし、安全性を高め、より積極的なメンテナンス戦略を促進しました。

例えば、スイスでは、山岳地帯にある数千の鉄塔（送電線を支える高い構造物）を管理する大手エネルギー会社が、検査時間を50％短縮しました。手動での登山からドローンベースの検査に移行することで、故障検出が迅速化され、作業員の安全性が向上し、時間が節約されました。

同様に、米国の大手公益事業者は、Grid Vision®を使用して、わずか3か月で1,400の送電構造物をデジタル化しました。このAI駆動の画像分析は、手動による写真レビューに代わるもので、リモート検証を可能にし、より優れたデータ駆動型の設備投資計画の意思決定を可能にしました。

同様に、フィンランドでは、送電システムオペレーターが、地上からの検査からドローン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た。Grid Vision®とYOLO欠陥検出により、検査精度が向上し、熟練作業員はより重要な作業に集中できるようになった。

‍

次世代のユーティリティ検査を強化

今後、eSmart Systemsはグローバルに事業を拡大するにあたり、インフラのばらつき、異なる画像取得方法、地域間のデータドリフトなどの課題に取り組んでいます。これらの懸念を克服するために、同社はGrid Vision®をよりスケーラブルで適応性のあるものにすることに注力しています。 

MLOpsパイプラインの進歩が鍵となり、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ました。これらの改善により、AIソリューションの精度とパフォーマンスが継続的に向上します。eSmart Systems社は、より効率的で信頼性の高いグリッド管理への道を切り開き、グローバルなエネルギー移行に対する将来を見据えたアプローチを保証しています。

コンピュータビジョンに興味がありますか？Ultralytics YOLO モデルが、自動運転車のAIや 農業のコンピュータビジョンなどの分野でどのようにイノベーションを促進しているか、GitHubリポジトリをご覧ください。当社のYOLO モデルとライセンスオプションの詳細を今すぐご覧ください！