eSmart Systems는 Ultralytics YOLO 모델을 Grid Vision® 플랫폼에 통합하여 검사 시간을 50% 단축하고, 결함을 더 빠르게 감지하며, 선제적 유지보수로 전환했습니다.
eSmart Systems는 컴퓨터 비전과 분석을 활용해 전력망 및 변전소와 같은 대규모 자산을 검사하고 관리하도록 전력·공공 서비스 제공업체를 지원하는 노르웨이 기업입니다. 특히 주력 플랫폼인 Grid Vision®은 컴퓨터 비전, 지공간 분석, 시계열 데이터를 활용해 항공 이미지를 분석하고 구성 요소와 결함을 감지하며 송전선 전반에 걸쳐 예측 인사이트를 제공합니다.
검사 효율성을 더욱 높이기 위해 eSmart Systems는 Ultralytics YOLO 모델을 Grid Vision®에 통합했습니다. 이를 통해 결함 감지 속도가 향상되었으며, 전력·공공 서비스 업체가 사후 대응형 수리에서 더 효율적인 상태 기반 유지보수로 전환할 수 있었습니다.
AI와 컴퓨터 비전으로 송전선 검사를 혁신#
노르웨이 할덴에 본사를 둔 eSmart Systems는 핵심 인프라를 모니터링하고 유지보수할 수 있는 혁신적인 솔루션을 전력·공공 서비스 부문에 제공하는 데 주력합니다. 예를 들어 주력 플랫폼인 Grid Vision®은 전력망과 변전소 같은 대규모 자산을 검사하고 관리하는 종합 솔루션을 제공합니다.
전 세계 70곳이 넘는 전력·공공 서비스 업체가 신뢰하는 eSmart Systems는 100,000km가 넘는 전력선을 검사하여 업체들이 더 나은 데이터 기반 의사결정을 내릴 수 있도록 지원했습니다. Grid Vision®은 유지보수 효율성을 높이고 위험을 줄이며, 더욱 탄력적이고 지속 가능한 에너지 인프라로의 전환을 지원합니다.
eSmart Systems는 또한 AI 솔루션이 데이터 개인정보 보호와 규제 준수에 관한 엄격한 기준을 충족하도록 합니다. 정보 보안 관리에 관한 ISO 27001 인증을 획득했으며, 유럽 전력망 운영에서 안전한 데이터 교환을 규정하는 Netcode 제7.8조를 준수합니다.
전력망 검사 업무의 복잡성#
전력망은 광대한 지역에 걸쳐 있으며, 외딴 곳이나 접근하기 어려운 지역을 지나는 경우가 많습니다. 많은 시스템이 노후화되어 안전성과 신뢰성을 보장하려면 정기적인 검사가 필요합니다. 송전탑과 전력선 같은 구성 요소를 검사하는 일은 시간이 오래 걸리고 비용이 많이 들며 작업자에게 위험할 수 있습니다.
eSmart Systems는 드론과 헬리콥터로 항공 이미지를 촬영하고 컴퓨터 비전을 적용해 구성 요소를 감지하고 결함을 식별하고자 했습니다. 하지만 전력·공공 서비스 업체마다 구성 요소가 다르고 다양한 조건에서 이미지를 촬영하기 때문에 일관된 검사 워크플로를 유지하기 어려웠습니다.
그림 1. 전력망은 유지보수가 어려울 수 있습니다.
이미지를 수동으로 검토하는 작업도 느리고 많은 리소스가 필요해 결함 감지를 확장하기 어려웠습니다. 검사를 자동화하고 선제적 유지보수를 지원하기 위해 eSmart Systems에는 자산 유형, 지역, 기상 조건 전반에서 안정적으로 작동하는 빠르고 적응성 높은 Vision AI 모델이 필요했습니다.
전력망 검사에서 객체 감지와 YOLO의 역할#
전력망 검사에 자동화와 인텔리전스를 도입하기 위해 eSmart Systems는 컴퓨터 비전 모델인 Ultralytics YOLO를 Grid Vision® 플랫폼에 통합했습니다. Ultralytics YOLO 모델은 다양한 컴퓨터 비전 작업을 지원하며, 객체 감지를 통해 플랫폼이 항공 이미지에서 송전탑, 크로스암, 애자, 도체와 같은 주요 구성 요소를 식별할 수 있습니다.
이 모델은 전력망 성능에 영향을 미칠 수 있는 수목 침범, 손상, 마모 등의 결함도 감지하는 데 사용됩니다. 구성 요소와 결함이 감지되면 해당 정보가 Grid Vision®을 통해 처리되며, Grid Vision®은 클라우드 기반 처리를 사용해 검사 과정을 신속하고 정확하게 자동화하고 확장합니다.
그림 2. Grid Vision®은 YOLO를 사용해 전기 구성 요소를 감지합니다.
플랫폼은 잠재적 결함에 표시를 하고 관련 위험 수준을 평가하며, 자산 상태에 따라 유지보수 계획을 수립하도록 전력·공공 서비스 업체를 지원합니다. 실시간 감지와 분석을 결합하여 업체가 사후 대응형 유지보수에서 더욱 선제적인 접근 방식으로 전환하고, 잠재적 문제가 비용이 큰 고장으로 이어지기 전에 대응할 수 있도록 합니다.
이러한 인사이트를 메타데이터 및 시계열 데이터와 통합하면 Grid Vision®을 통해 전력·공공 서비스 업체가 유지보수 전략을 최적화하여 효율성을 높이고 예기치 않은 정전 위험을 줄일 수 있습니다.
Ultralytics YOLO 모델을 선택한 이유#
eSmart Systems는 속도와 정확도, AI 파이프라인에 원활하게 통합되는 특성을 고려해 Ultralytics YOLO 모델을 도입했습니다. Ultralytics YOLO 모델은 크고 고해상도인 항공 이미지를 분석할 때 일관된 결과를 제공하므로 전력망 검사에 적합합니다.
또한 Ultralytics Python 패키지는 22가지 내보내기 형식을 비롯해 다양한 통합 옵션을 제공합니다. 이러한 유연성 덕분에 eSmart Systems는 여러 환경에 모델을 배포할 수 있습니다. 학습에는 PyTorch와 같은 형식을 사용하고, 프로덕션에서는 특히 클라우드 인프라의 GPU 리소스가 제한적일 때 최적화된 CPU 추론을 위해 ONNX를 사용합니다.
이미 30개가 넘는 Ultralytics YOLO 모델을 운영 환경에 배포한 eSmart Systems는 검사를 효율적으로 확장할 수 있습니다. 이에 따라 데이터 품질 개선과 전력·공공 서비스 업체별 과제 해결에 집중할 수 있습니다.
Ultralytics YOLO로 검사 시간 50% 단축#
Ultralytics YOLO 모델을 기반으로 한 Grid Vision®은 전력·공공 서비스 검사를 크게 개선했습니다. 자산 검사를 자동화하고 결함 감지를 개선하여 수작업량을 줄이고 안전성을 높였으며, 더욱 선제적인 유지보수 전략을 가능하게 했습니다.
예를 들어 스위스의 한 주요 에너지 기업은 산악 지대에 있는 전력선을 지지하는 높은 구조물인 철탑 수천 개를 관리하고 있으며, 검사 시간을 50% 단축했습니다. 사람이 직접 올라가던 방식에서 드론 기반 검사로 전환하여 결함 감지 속도를 높이고 작업자 안전을 개선했으며 시간을 절약했습니다.
마찬가지로 미국의 한 대형 전력·공공 서비스 업체는 Grid Vision®을 사용해 단 3개월 만에 송전 구조물 1,400개를 디지털화했습니다. AI 기반 이미지 분석으로 수동 사진 검토를 대체하여 원격 검증을 가능하게 하고, 더 나은 데이터 기반 자본 계획 의사결정을 지원했습니다.
마찬가지로 핀란드에서는 송전 시스템 운영자가 지상 점검에서 드론 보조 평가로 전환해 현장 방문을 줄이고 정전을 최소화했습니다. Grid Vision®과 YOLO 기반 결함 감지를 통해 점검 정확도가 향상되었으며, 숙련된 작업자는 더 중요한 업무에 집중할 수 있었습니다.
그림 3. Grid Vision®과 YOLO를 사용해 모니터링하는 핀란드의 전력망 선로.
차세대 유틸리티 검사의 새로운 동력#
앞으로 eSmart Systems는 글로벌 시장으로 확장하면서 인프라의 차이, 이미지 캡처 방식의 차이, 지역별 데이터 드리프트와 같은 과제를 해결하고 있습니다. 이러한 문제를 극복하기 위해 Grid Vision®의 확장성과 적응성을 높이는 데 주력하고 있습니다.
MLOps 파이프라인의 발전은 모델 재학습을 간소화하고 데이터셋 확장을 자동화하는 데 핵심적인 역할을 했습니다. 이러한 개선은 AI 솔루션의 정확도와 성능을 지속해서 향상합니다. eSmart Systems는 더욱 효율적이고 안정적인 전력망 관리의 기반을 마련하며, 글로벌 에너지 전환에 대비한 접근 방식을 보장합니다.
컴퓨터 비전에 관심이 있으신가요? GitHub 저장소에서 Ultralytics YOLO 모델이 항공 이미지용 컴퓨터 비전과 농업 분야의 컴퓨터 비전 등에서 어떻게 혁신을 이끄는지 확인해 보세요. YOLO 모델과 라이선스 옵션에 대해 지금 자세히 알아보세요!
