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

eSmart Systemsは、ノルウェーに拠点を置く企業であり、コンピュータビジョンと分析を活用して、電力網や変電所といった大規模資産の点検および管理を行う公益事業者を支援しています。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、航空画像解析、コンポーネントや欠陥の検出、そして送電線全体にわたる予測インサイトの提供を行っています。

点検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。これにより欠陥検出速度が向上し、公益事業者が事後対応型の修理から、より効率的な状態基準保全（CBM）へと移行できるようになりました。

Link to this sectionAI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、公益事業セクターに向けて、重要なインフラ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提供することに注力しています。例えば、同社の主力プラットフォームであるGrid Vision®は、送電網や変電所といった大規模資産を点検・管理するための包括的なソリューションを提供しています。

世界中の70以上の公益事業者に信頼されているeSmart Systemsは、これまでに10万キロメートル以上の送電線を点検しており、公益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、メンテナンスをより効率的にし、リスクを低減し、より回復力のある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。

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。

Link to this section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、ドローンやヘリコプターを使用して航空画像を収集し、コンピュータビジョン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ました。しかし、公益事業者によってコンポーネントが異なり、撮影条件も多様であるため、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。

Link to this section送電網点検における物体検出とYOLOの役割#

送電網の点検に自動化と知能をもたらすため、eSmart SystemsはコンピュータビジョンモデルであるUltralytics YOLOをGrid Vision®プラットフォームに統合しました。Ultralytics YOLOモデルは、物体検出を含むさまざまなコンピュータビジョンタスクをサポートしており、これによりプラットフォームは航空画像の中から鉄塔、アーム、碍子、導体といった主要なコンポーネントを特定できるようになりました。

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。

Link to this section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パッケージは、15種類の書き出し形式など、さまざま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は異なる環境全体にモデルをデプロイすることが可能です。彼らは、トレーニングにはPyTorch、クラウドインフラストラクチャ内のGPUリソースが限られている場合の本番環境での最適化されたCPU推論にはONNXといった形式を使用しています。

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。

Link to this sectionUltralytics YOLOによる点検時間の50%短縮#

Ultralytics YOLOモデルを搭載したGrid Vision®の影響は、公益事業者の点検を強化する上で大きなものでした。資産点検の自動化と欠陥検出の向上により、Grid Vision®は手作業を減らし、安全性を高め、より予防的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。

Link to this section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。

コンピュータビジョンに興味がありますか？私たちのGitHubリポジトリを探索して、Ultralytics YOLOモデルが自動運転車向けAIや農業向けコンピュータビジョンなどの分野でいかにイノベーションを促進しているかをご覧ください。私たちのYOLOモデルとライセンスオプションについて、ぜひ今すぐ詳細をご確認ください！