eSmart Systems, Ultralytics YOLO로 유틸리티 검사 자동화

eSmart Systems는 컴퓨터 비전 및 분석을 사용하여 전력망 및 변전소와 같은 대규모 자산을 검사하고 관리할 수 있도록 지원하는 노르웨이 기반 회사입니다. 특히, 주력 플랫폼인 Grid Vision®은 컴퓨터 비전, 지리 공간 분석 및 시계열 데이터를 활용하여 항공 이미지를 분석하고, 구성 요소 및 결함을 감지하고, 송전선 전체에서 예측 통찰력을 제공합니다.

검사 효율성을 더욱 향상시키기 위해 eSmart Systems는 Ultralytics YOLO 모델을 Grid Vision®에 통합했습니다. 그 결과 결함 감지 속도가 향상되었고 유틸리티 회사가 대응적 수리에서 보다 효율적인 조건 기반 유지 관리로 전환할 수 있게 되었습니다.

AI 및 컴퓨터 비전으로 전력선 검사 혁신

노르웨이 할덴에 본사를 둔 eSmart Systems는 혁신적인 솔루션을 유틸리티 부문에 제공하여 중요한 인프라를 모니터링하고 유지 관리하는 데 주력하고 있습니다. 예를 들어, 주력 플랫폼인 Grid Vision®은 전력망 및 변전소와 같은 대규모 자산을 검사하고 관리하기 위한 포괄적인 솔루션을 제공합니다.

eSmart Systems는 전 세계 70개 이상의 유틸리티 기업에서 신뢰하며, 100,000km가 넘는 전력선을 검사하여 유틸리티 기업이 더 나은 데이터 기반 의사 결정을 내릴 수 있도록 지원합니다. Grid Vision®은 유지 보수 효율성을 높이고 위험을 줄이며, 보다 탄력적이고 지속 가능한 에너지 인프라로의 전환을 지원합니다.

eSmart Systems는 또한 AI 솔루션이 데이터 개인 정보 보호 및 규정 준수에 대한 높은 기준을 충족하는지 확인합니다. 이 회사는 정보 보안 관리에 대해 ISO 27001 인증을 받았으며 유럽 전력망 운영에서 안전한 데이터 교환을 규율하는 Netcode Article 7.8을 준수합니다.

전력망 검사의 복잡성 

전력망은 광대한 지역에 걸쳐 뻗어 있으며 외지고 접근하기 어려운 곳을 통과하는 경우가 많습니다. 이러한 시스템 중 다수는 노후화되어 안전과 신뢰성을 확보하기 위해 정기적인 검사가 필요합니다. 송전탑 및 전선과 같은 구성 요소 검사는 시간이 많이 소요되고 비용이 많이 들 뿐만 아니라 작업자에게 위험할 수 있습니다. 

eSmart Systems는 드론과 헬리콥터를 사용하여 항공 이미지를 캡처하고 컴퓨터 비전을 적용하여 구성 요소를 감지하고 결함을 식별하는 것을 목표로 했습니다. 그러나 유틸리티는 구성 요소가 다르고 다양한 조건에서 이미지를 캡처하기 때문에 일관된 검사 워크플로를 유지하는 것이 어려웠습니다.

‍

이러한 이미지를 수동으로 검토하는 것도 느리고 리소스 집약적이어서 결함 감지를 확장하기 어려웠습니다. 검사를 자동화하고 사전 예방적 유지 관리를 지원하기 위해 eSmart Systems는 자산 유형, 지역 및 기상 조건에 걸쳐 안정적으로 수행할 수 있는 빠르고 적응 가능한 Vision AI 모델이 필요했습니다.

전력망 검사에서 객체 탐지 및 YOLO의 역할 

전력망 검사에 자동화 및 인텔리전스를 도입하기 위해 eSmart Systems는 컴퓨터 비전 모델인 Ultralytics YOLO를 Grid Vision® 플랫폼에 통합했습니다. Ultralytics YOLO 모델은 객체 감지를 포함한 다양한 컴퓨터 비전 작업을 지원하므로 플랫폼은 항공 이미지에서 타워, 크로스암, 절연체 및 전선과 같은 주요 구성 요소를 식별할 수 있습니다. 

이 모델은 또한 초목 침범, 손상 및 마모와 같은 결함을 감지하는 데 사용되고 있으며, 이는 그리드 성능에 영향을 미칠 수 있습니다. 구성 요소와 결함이 감지되면 이 정보는 클라우드 기반 처리를 사용하여 검사 프로세스를 빠르고 정확하게 자동화하고 확장하는 Grid Vision®을 통해 처리됩니다.

‍

이 플랫폼은 잠재적인 결함을 표시하고, 관련 위험 수준을 평가하며, 유틸리티 회사가 자산 상태에 따라 유지 보수를 계획하도록 지원합니다. 이러한 실시간 탐지 및 분석의 조합을 통해 유틸리티 회사는 잠재적인 문제로 인해 비용이 많이 드는 고장이 발생하기 전에 선제적으로 대처할 수 있도록 지원하여 반응적 유지 보수에서 보다 사전 예방적인 접근 방식으로 전환할 수 있습니다.

Grid Vision®은 이러한 통찰력을 메타데이터 및 시계열 데이터와 통합함으로써 유틸리티가 유지 관리 전략을 최적화하고 효율성을 개선하며 예기치 않은 중단 위험을 줄일 수 있도록 지원합니다.

Ultralytics YOLO 모델을 선택하는 이유

eSmart Systems는 속도, 정확성 및 AI 파이프라인과의 원활한 통합을 위해 Ultralytics YOLO 모델을 채택했습니다. Ultralytics YOLO 모델은 크고 고해상도 항공 이미지를 분석할 때 일관된 결과를 제공하므로 그리드 검사에 이상적입니다.

또한 Ultralytics Python 패키지는 15가지 내보내기 형식을 포함하여 다양한 통합 옵션을 제공합니다. 이러한 유연성을 통해 eSmart Systems는 다양한 환경에 모델을 배포할 수 있습니다. 특히 클라우드 인프라에서 GPU 리소스가 제한적인 경우, 학습에는 PyTorch와 같은 형식을 사용하고 프로덕션 환경의 최적화된 CPU 추론에는 ONNX와 같은 형식을 사용합니다.

이미 30개 이상의 Ultralytics YOLO 모델이 생산에 적용됨에 따라 eSmart Systems는 검사를 효율적으로 확장할 수 있습니다. 이를 통해 데이터 품질을 개선하고 유틸리티 관련 문제 해결에 집중할 수 있습니다.

Ultralytics YOLO로 검사 시간 50% 단축

Ultralytics YOLO 모델 기반의 Grid Vision®은 유틸리티 검사를 향상시키는 데 큰 영향을 미쳤습니다. 자산 검사를 자동화하고 결함 감지를 개선함으로써 Grid Vision®은 수동 작업량을 줄이고 안전성을 높이며 보다 사전 예방적인 유지 관리 전략을 촉진했습니다.

예를 들어, 스위스에서는 산악 지형에 있는 수천 개의 철탑(전력선을 지지하는 높은 구조물)을 관리하는 주요 에너지 회사가 검사 시간을 50% 단축했습니다. 수동 등반에서 드론 기반 검사로 전환하면서 결함 감지 속도를 높이고 작업자 안전을 개선하며 시간을 절약했습니다.

마찬가지로, 미국에서는 대형 유틸리티 제공업체가 Grid Vision®을 사용하여 3개월 만에 1,400개의 송전 구조물을 디지털화했습니다. 이 AI 기반 이미지 분석은 수동 사진 검토를 대체하여 원격 유효성 검사를 가능하게 하고 더 나은 데이터 기반 자본 계획 결정을 내릴 수 있도록 했습니다.

마찬가지로, 핀란드에서는 송전 시스템 운영자가 지상 기반 검사에서 드론 지원 평가로 전환하여 현장 방문을 줄이고 정전 시간을 최소화했습니다. Grid Vision® 및 YOLO 기반 결함 감지를 통해 검사 정확도가 향상되었고 숙련된 작업자는 더 중요한 작업에 집중할 수 있었습니다.

‍

차세대 유틸리티 검사 지원

앞으로 eSmart Systems는 전 세계적으로 확장됨에 따라 다양한 인프라, 다양한 이미지 캡처 방법 및 지역 간 데이터 드리프트와 같은 문제에 대처하고 있습니다. 이러한 문제를 극복하기 위해 회사는 Grid Vision®을 보다 확장 가능하고 적응 가능하게 만드는 데 주력하고 있습니다. 

MLOps 파이프라인의 발전은 모델 재훈련을 단순화하고 데이터 세트 확장을 자동화하는 데 핵심적인 역할을 했습니다. 이러한 개선 사항은 AI 솔루션의 정확성과 성능을 지속적으로 향상시킵니다. eSmart Systems는 보다 효율적이고 안정적인 그리드 관리를 위한 길을 열어 글로벌 에너지 전환에 대한 미래 지향적인 접근 방식을 보장합니다.

컴퓨터 비전에 관심이 있으신가요? GitHub 저장소를 탐색하여 Ultralytics YOLO 모델이 자율 주행 자동차의 AI 및 농업 분야의 컴퓨터 비전과 같은 영역에서 어떻게 혁신을 주도하고 있는지 확인해 보세요. 지금 바로 YOLO 모델과 라이선스 옵션에 대해 자세히 알아보세요!