Ao integrar os modelos Ultralytics YOLO na sua plataforma Grid Vision®, a eSmart Systems reduziu o tempo de inspeção em 50%, permitiu uma deteção mais rápida de falhas e passou a utilizar manutenção proativa.
A eSmart Systems é uma empresa sediada na Noruega que ajuda os fornecedores de serviços públicos a inspecionar e gerir ativos de grande escala, como redes elétricas e subestações, utilizando visão computacional e análise de dados. Em particular, a sua principal plataforma, Grid Vision®, utiliza visão computacional, análise geoespacial e dados de séries temporais para analisar imagens aéreas, detetar componentes e defeitos e fornecer informações preditivas em linhas de transmissão.
Para aumentar ainda mais a eficiência das inspeções, a eSmart Systems integrou os modelos Ultralytics YOLO no Grid Vision®. Isto aumentou a velocidade de deteção de defeitos e permitiu aos fornecedores de serviços públicos passar de reparações reativas para uma manutenção mais eficiente e baseada no estado dos ativos.
Transformar as inspeções de linhas elétricas com IA e visão computacional#
Com sede em Halden, na Noruega, a eSmart Systems dedica-se a fornecer soluções inovadoras ao setor dos serviços públicos para monitorizar e manter infraestruturas críticas. Por exemplo, a sua principal plataforma, 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 já inspecionou mais de 100 000 quilómetros de linhas elétricas, permitindo aos fornecedores tomar decisões melhores e baseadas em dados. O Grid Vision® torna a manutenção mais eficiente, reduz os riscos e apoia a transição para infraestruturas de energia mais resilientes e sustentáveis.
A eSmart Systems também garante que as suas soluções de IA cumprem padrões elevados de privacidade de dados e conformidade regulamentar. A empresa é certificada pela ISO 27001 para a gestão da segurança da informação e cumpre o Artigo 7.8 do Netcode, que rege a troca segura de dados nas operações das redes elétricas europeias.
As complexidades das inspeções de redes elétricas#
As redes elétricas estendem-se por áreas vastas, muitas vezes atravessando locais remotos ou de difícil acesso. Muitos destes sistemas estão envelhecidos e exigem inspeções regulares para garantir a segurança e a fiabilidade. Inspecionar componentes como torres de transmissão e linhas elétricas é demorado, dispendioso e pode representar riscos para os trabalhadores.
A eSmart Systems pretendia captar imagens aéreas utilizando drones e helicópteros, aplicando visão computacional para detetar componentes e identificar defeitos. No entanto, como as empresas de serviços públicos têm componentes diferentes e captam imagens em condições diversas, era difícil manter um fluxo de trabalho de inspeção consistente.
Fig. 1. As redes elétricas podem ser difíceis de manter.
A análise manual destas imagens também era lenta e consumia muitos recursos, dificultando a expansão da deteção de falhas. Para automatizar as inspeções e apoiar a manutenção proativa, a eSmart Systems precisava de um modelo rápido e adaptável de IA de visão, capaz de funcionar de forma fiável em diferentes tipos de ativos, regiões e condições meteorológicas.
O papel da deteção de objetos e do YOLO nas inspeções de redes elétricas#
Para introduzir automação e inteligência nas inspeções de redes elétricas, a eSmart Systems integrou o Ultralytics YOLO, um modelo de visão computacional, na sua plataforma Grid Vision®. Os modelos Ultralytics YOLO suportam várias tarefas de visão computacional, incluindo a deteção de objetos, permitindo à plataforma identificar componentes importantes, como torres, travessas, isoladores e condutores, em imagens aéreas.
Os modelos também são utilizados para detetar defeitos como invasão de vegetação, danos e desgaste, que podem afetar o desempenho da rede. Depois de detetar os componentes e defeitos, estas informações são processadas pelo Grid Vision®, que utiliza processamento na cloud para automatizar e expandir o processo de inspeção de forma rápida e precisa.
Fig. 2. O Grid Vision® deteta componentes elétricos utilizando YOLO.
A plataforma assinala potenciais defeitos, avalia os níveis de risco associados e ajuda os fornecedores de serviços públicos a planear a manutenção com base no estado dos ativos. Esta combinação de deteção e análise em tempo real permite passar de uma manutenção reativa para uma abordagem mais proativa, ajudando a antecipar potenciais problemas antes que provoquem falhas dispendiosas.
Ao integrar estas informações com metadados e dados de séries temporais, o Grid Vision® permite aos fornecedores de serviços públicos otimizar as suas estratégias de manutenção, melhorando a eficiência e reduzindo o risco de interrupções inesperadas.
Porquê escolher os modelos Ultralytics YOLO?#
A eSmart Systems adotou os modelos Ultralytics YOLO pela sua velocidade, precisão e integração perfeita no seu pipeline de IA. Os modelos Ultralytics YOLO fornecem resultados consistentes ao analisar imagens aéreas grandes e de alta resolução, o que os torna ideais para inspeções de redes elétricas.
Além disso, o pacote Ultralytics para Python oferece várias opções de integração, incluindo 15 formatos de exportação. Esta flexibilidade permite à eSmart Systems implementar os modelos em diferentes ambientes. A empresa utiliza formatos como PyTorch para treino e ONNX para inferência otimizada em CPU na produção, sobretudo quando os recursos de GPU são limitados na sua infraestrutura cloud.
Com mais de 30 modelos Ultralytics YOLO já em produção, a eSmart Systems consegue expandir as inspeções de forma eficiente. Isto permite à empresa concentrar-se na melhoria da qualidade dos dados e na resolução de desafios específicos dos fornecedores de serviços públicos.
Reduzir em 50% o tempo de inspeção com o Ultralytics YOLO#
O impacto do Grid Vision®, alimentado pelos modelos Ultralytics YOLO, foi significativo na melhoria das inspeções de serviços públicos. Ao automatizar as inspeções de ativos e melhorar a deteção de defeitos, o Grid Vision® reduziu a carga de trabalho manual, aumentou a segurança e facilitou estratégias de manutenção mais proativas.
Por exemplo, na Suíça, uma grande empresa de energia que gere milhares de postes (estruturas altas que suportam linhas elétricas) em terrenos montanhosos reduziu o tempo 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 poupou tempo.
De forma semelhante, nos Estados Unidos, um grande fornecedor de serviços públicos utilizou o Grid Vision® para digitalizar 1400 estruturas de transmissão em apenas três meses. Esta análise de imagens orientada por IA substituiu a análise manual de fotografias, permitindo a validação remota e decisões melhores e baseadas em dados para o planeamento de investimentos.
De forma semelhante, na Finlândia, um operador de rede de transmissão reduziu as visitas ao terreno e minimizou as interrupções ao passar de inspeções terrestres para avaliações assistidas por drones. Com o Grid Vision® e a deteção de defeitos baseada em YOLO, a precisão das inspeções melhorou e os trabalhadores qualificados puderam concentrar-se em tarefas mais importantes.
Fig. 3. Um olhar sobre as linhas da rede elétrica na Finlândia, monitorizadas com o Grid Vision® e YOLO.
A impulsionar a próxima geração de inspeções de serviços públicos#
Olhando para o futuro, à medida que a eSmart Systems se expande globalmente, a empresa está a enfrentar desafios como infraestruturas variáveis, diferentes métodos de captura de imagens e alterações na distribuição dos dados entre regiões. Para ultrapassar estas questões, a empresa está a concentrar-se em tornar o Grid Vision® mais escalável e adaptável.
O progresso da empresa com pipelines de MLOps tem sido fundamental, simplificando o retreino dos modelos e automatizando a expansão dos 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 redes elétricas mais eficiente e fiável, garantindo uma abordagem preparada para o futuro da transição energética global.
Interessado em visão computacional? Explora o nosso repositório do GitHub para veres como os modelos Ultralytics YOLO estão a impulsionar inovações em áreas como a IA em veículos autónomos e a visão computacional na agricultura. Conhece hoje os nossos modelos YOLO e as opções de licenciamento!
