A eSmart Systems estava procurando aprimorar as inspeções de serviços públicos e melhorar a eficiência da rede usando visão computacional para detecção de falhas e manutenção preditiva.
Ao integrar os modelos YOLO da Ultralytics em sua plataforma, Grid Vision®, a eSmart Systems reduziu o tempo de inspeção em 50%, permitiu uma detecção de falhas mais rápida e mudou para a manutenção proativa.
eSmart Systems é uma empresa sediada na Noruega que ajuda os fornecedores de serviços públicos a inspecionar e gerenciar ativos de grande escala, como redes elétricas e subestações, usando visão computacional e análise de dados. Em particular, sua plataforma principal, Grid Vision®, utiliza visão computacional, análise geoespacial e dados de séries temporais para analisar imagens aéreas, detectar componentes e defeitos e fornecer insights preditivos em linhas de transmissão.
Para aumentar ainda mais a eficiência da inspeção, a eSmart Systems integrou modelos YOLO da Ultralytics no Grid Vision®. Isso resultou num aumento da velocidade de deteção de defeitos e permitiu que as empresas de serviços públicos passassem de reparações reativas para uma manutenção mais eficiente, baseada nas condições.
Com sede em Halden, na Noruega, a eSmart Systems concentra-se em trazer soluções inovadoras para o setor de utilities para monitorizar e manter infraestruturas críticas. Por exemplo, a sua plataforma principal, Grid Vision®, fornece uma solução abrangente para inspecionar e gerir ativos de grande escala, como redes elétricas e subestações.
Com a confiança de mais de 70 empresas de serviços públicos em todo o mundo, a eSmart Systems inspecionou mais de 100.000 quilômetros de linhas de energia, permitindo que as empresas de serviços públicos tomem decisões melhores e orientadas por dados. O Grid Vision® torna a manutenção mais eficiente, reduz os riscos e apoia a transição para uma infraestrutura de energia sustentável e mais resiliente.
A eSmart Systems também garante que suas soluções de IA atendam a altos padrões de privacidade de dados e conformidade regulatória. Eles são certificados pela ISO 27001 para gerenciamento de segurança da informação e estão em conformidade com o Artigo 7.8 do Netcode, que rege a troca segura de dados nas operações da rede elétrica europeia.
As redes elétricas se estendem por vastas áreas, muitas vezes passando por locais remotos ou de difícil acesso. Muitos desses sistemas estão envelhecendo e exigem inspeções regulares para garantir a segurança e a confiabilidade. Inspecionar componentes como torres de transmissão e linhas de energia é demorado, caro e pode ser arriscado para os trabalhadores.
A eSmart Systems tinha como objetivo capturar imagens aéreas usando drones e helicópteros, aplicando visão computacional para detectar componentes e identificar defeitos. No entanto, como as concessionárias têm componentes diferentes e capturam imagens em várias condições, era um desafio manter um fluxo de trabalho de inspeção consistente.
A revisão manual dessas imagens também era lenta e exigia muitos recursos, dificultando o dimensionamento da detecção de falhas. Para automatizar as inspeções e apoiar a manutenção proativa, a eSmart Systems precisava de um modelo de Visão de IA rápido e adaptável que pudesse ter um desempenho confiável em todos os tipos de ativos, regiões e condições climáticas.
Para trazer automação e inteligência às inspeções de rede, a eSmart Systems integrou o Ultralytics YOLO, um modelo de visão computacional, em sua plataforma Grid Vision®. Os modelos Ultralytics YOLO suportam várias tarefas de visão computacional, incluindo a detecção de objetos, o que permite que a plataforma identifique componentes-chave como torres, braços transversais, isoladores e condutores em imagens aéreas.
Os modelos também estão sendo usados para detectar defeitos como invasão de vegetação, danos e desgaste, que podem afetar o desempenho da rede. Uma vez que os componentes e defeitos são detectados, essas informações são processadas através do Grid Vision®, que usa processamento baseado em nuvem para automatizar e dimensionar o processo de inspeção de forma rápida e precisa.
A plataforma sinaliza potenciais defeitos, avalia os níveis de risco associados e ajuda as empresas de serviços públicos a planear a manutenção com base na condição dos ativos. Esta combinação de deteção e análise em tempo real permite que as empresas de serviços públicos passem de uma manutenção reativa para uma abordagem mais proativa, ajudando-as a antecipar potenciais problemas antes que estes levem a falhas dispendiosas.
Ao integrar esses insights com metadados e dados de séries temporais, o Grid Vision® permite que as concessionárias otimizem suas estratégias de manutenção, melhorando a eficiência e reduzindo o risco de interrupções inesperadas.
A eSmart Systems adotou os modelos Ultralytics YOLO por sua velocidade, precisão e integração perfeita em seu pipeline de IA. Os modelos Ultralytics YOLO fornecem resultados consistentes ao analisar grandes imagens aéreas de alta resolução, tornando-os ideais para inspeções de rede.
Além disso, o pacote Python Ultralytics oferece uma variedade de opções de integração, incluindo 15 formatos de exportação. Essa flexibilidade permite que a eSmart Systems implemente os modelos em diferentes ambientes. Eles usam formatos como PyTorch para treinamento e ONNX para inferência otimizada de CPU em produção, principalmente quando os recursos de GPU são limitados em sua infraestrutura de nuvem.
Com mais de 30 modelos Ultralytics YOLO já em produção, a eSmart Systems pode dimensionar as inspeções de forma eficiente. Isto permite-lhes concentrar-se em melhorar a qualidade dos dados e abordar desafios específicos das utilities.
O impacto do Grid Vision®, impulsionado pelos modelos Ultralytics YOLO, tem sido significativo no aprimoramento das inspeções de serviços públicos. Ao automatizar as inspeções de ativos e melhorar a detecção de defeitos, o Grid Vision® reduziu as cargas de trabalho manuais, aumentou a segurança e facilitou estratégias de manutenção mais proativas.
Por exemplo, na Suíça, uma grande empresa de energia que gere milhares de torres (estruturas altas que suportam linhas de energia) em terrenos montanhosos reduziu os tempos de inspeção em 50%. A transição da escalada manual para inspeções baseadas em drones acelerou a deteção de falhas, melhorou a segurança dos trabalhadores e economizou tempo.
Da mesma forma, nos Estados Unidos, um grande fornecedor de serviços públicos usou o Grid Vision® para digitalizar 1.400 estruturas de transmissão em apenas três meses. Essa análise de imagem orientada por IA substituiu as revisões manuais de fotos, permitindo a validação remota e possibilitando melhores decisões de planejamento de capital orientadas por dados.
Da mesma forma, na Finlândia, um operador de sistema de transmissão reduziu as visitas de campo e minimizou as interrupções, mudando de inspeções terrestres para avaliações assistidas por drones. Com o Grid Vision® e a deteção de defeitos alimentada por YOLO, a precisão da inspeção melhorou e os trabalhadores qualificados puderam concentrar-se em tarefas mais importantes.
.webp)
Olhando para o futuro, à medida que a eSmart Systems se expande globalmente, eles estão abordando desafios como infraestrutura variável, diferentes métodos de captura de imagem e desvio de dados entre regiões. Para superar essas preocupações, a empresa está se concentrando em tornar o Grid Vision® mais escalável e adaptável.
O seu progresso com pipelines de MLOps tem sido fundamental, simplificando o re-treino de modelos e automatizando a expansão de conjuntos de dados. Estas melhorias aumentam continuamente a precisão e o desempenho das suas soluções de IA. A eSmart Systems está a abrir caminho para uma gestão de rede mais eficiente e fiável, garantindo uma abordagem preparada para o futuro para a transição energética global.
Interessado em visão computacional? Explore nosso repositório GitHub para ver como os modelos Ultralytics YOLO estão impulsionando inovações em áreas como IA em carros autônomos e visão computacional na agricultura. Saiba mais sobre nossos modelos YOLO e opções de licenciamento hoje!
Os modelos Ultralytics YOLO são arquiteturas de visão computacional desenvolvidas para analisar dados visuais de imagens e entradas de vídeo. Esses modelos podem ser treinados para tarefas que incluem detecção de objetos, classificação, estimativa de pose, rastreamento e segmentação de instâncias. Os modelos Ultralytics YOLO incluem:
Ultralytics YOLO11 é a versão mais recente de nossos modelos de Visão Computacional. Assim como suas versões anteriores, ele suporta todas as tarefas de visão computacional que a comunidade Vision AI tanto aprecia no YOLOv8. O novo YOLO11, no entanto, vem com maior desempenho e precisão, tornando-o uma ferramenta poderosa e o aliado perfeito para os desafios da indústria no mundo real.
O modelo que escolher usar depende dos requisitos específicos do seu projeto. É fundamental ter em conta fatores como desempenho, precisão e necessidades de implementação. Aqui está uma visão geral rápida:
Os repositórios Ultralytics YOLO, como YOLOv5 e YOLO11, são distribuídos sob a licença AGPL-3.0 por padrão. Esta licença aprovada pela OSI foi projetada para estudantes, pesquisadores e entusiastas, promovendo a colaboração aberta e exigindo que qualquer software que use componentes AGPL-3.0 também seja de código aberto. Embora isso garanta a transparência e promova a inovação, pode não estar alinhado com casos de uso comercial.
Se o seu projeto envolve a incorporação de software e modelos de IA da Ultralytics em produtos ou serviços comerciais e você deseja ignorar os requisitos de código aberto da AGPL-3.0, uma Licença Empresarial é ideal.
Os benefícios da licença Enterprise incluem:
Para garantir uma integração perfeita e evitar restrições AGPL-3.0, solicite uma Licença Empresarial Ultralytics usando o formulário fornecido. Nossa equipe o ajudará a adaptar a licença às suas necessidades específicas.
.webp){kind=logo}
.webp)
.webp)
.webp)