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 modelosYOLO Ultralytics 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 fazer uma manutenção proactiva.
A eSmart Systems é uma empresa sediada na Noruega que ajuda os fornecedores de serviços públicos a inspecionar e gerir activos de grande escala, tais como redes eléctricas e subestações, utilizando a visão computacional e a análise. Em particular, a sua principal plataforma, a Grid Vision®, utiliza a visão computacional, a análise geoespacial e os dados de séries temporais para analisar imagens aéreas, detect componentes e defeitos e fornecer informações preditivas nas linhas de transmissão.
Para aumentar ainda mais a eficiência da inspeção, a eSmart Systems integrou os modelosUltralytics YOLO no Grid Vision®. Isto resultou num aumento da velocidade de deteção de defeitos e permitiu que os serviços públicos passassem de reparações reactivas para uma manutenção mais eficiente e 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.
O objetivo da eSmart Systems era captar imagens aéreas utilizando drones e helicópteros, aplicando a visão por computador para detect componentes e identificar defeitos. No entanto, uma vez que os serviços públicos têm diferentes componentes e captam imagens em várias condições, era difícil 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 deteção de objectos, o que permite à plataforma identificar componentes chave como torres, braços cruzados, isoladores e condutores em imagens aéreas.
Os modelos também estão a ser utilizados para detect defeitos como a invasão de vegetação, danos e desgaste, que podem afetar o desempenho da rede. Uma vez detectados os componentes e os defeitos, esta informação é processada através do Grid Vision®, que utiliza o processamento baseado na 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 adoptou os modelosYOLO Ultralytics 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, tornando-os ideais para inspeções de grade.
Além disso, o pacoteUltralytics Python oferece uma variedade de opções de integração, incluindo 15 formatos de exportação. Esta flexibilidade permite à eSmart Systems implementar os modelos em diferentes ambientes. Utilizam formatos como PyTorch para a formação e ONNX para a inferência optimizada CPU na produção, nomeadamente quando os recursos GPU são limitados na sua infraestrutura de nuvem.
Com mais de 30 modelos Ultralytics YOLO já em produção, a eSmart Systems pode escalar inspecções de forma eficiente. Isto permite-lhes concentrarem-se na melhoria da qualidade dos dados e na resolução de desafios específicos dos serviços públicos.
O impacto do Grid Vision®, alimentado pelos modelos Ultralytics YOLO , tem sido significativo na melhoria das inspecções de serviços públicos. Ao automatizar as inspecções de activos e ao melhorar a deteção de defeitos, o Grid Vision® reduziu as cargas de trabalho manuais, aumentou a segurança e facilitou estratégias de manutenção mais proactivas.
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.
Do mesmo modo, na Finlândia, um operador de sistemas de transmissão reduziu as visitas ao terreno e minimizou as interrupções ao passar de inspecções terrestres para avaliações assistidas por drones. Com o Grid Vision® e a deteção de defeitos 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 o nosso repositório GitHub para ver como os modelosYOLO Ultralytics estão a impulsionar inovações em áreas como a IA em carros autónomos e a visão computacional na agricultura. Saiba mais sobre nossos modelos YOLO e opções de licenciamento hoje mesmo!
Os modelos Ultralytics YOLO são arquitecturas de visão por computador desenvolvidas para analisar dados visuais de imagens e entradas de vídeo. Estes modelos podem ser treinados para tarefas que incluem a deteção de objectos, a classificação, a estimativa de pose, o seguimento e a segmentação de instânciasYOLO
YOLO11 Ultralytics YOLO11 é a versão mais recente dos nossos modelos de Visão Computacional. Tal como as versões anteriores, suporta todas as tarefas de visão computacional que a comunidade de IA de visão adorou 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 do 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 repositóriosYOLO Ultralytics , como o YOLOv5 e o YOLO11, são distribuídos sob a licença AGPL-3.0 por defeito. Esta licença aprovada pela OSI foi concebida para estudantes, investigadores e entusiastas, promovendo a colaboração aberta e exigindo que qualquer software que utilize componentes AGPL-3.0 seja também de fonte aberta. Embora assegure a transparência e promova a inovação, pode não se alinhar com casos de utilização comercial.
Se o seu projeto envolver a incorporação do software Ultralytics e dos modelos de IA em produtos ou serviços comerciais e pretender contornar 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 as restrições AGPL-3.0 , solicite uma Licença Empresarial Ultralytics usando o formulário fornecido. A nossa equipa ajudá-lo-á a adaptar a licença às suas necessidades específicas.
.webp){kind=logo}
.webp)
.webp)
.webp)