Интегрировав модели Ultralytics YOLO в свою платформу Grid Vision®, компания eSmart Systems сократила время инспекций на 50%, ускорила обнаружение неисправностей и перешла к проактивному техническому обслуживанию.
eSmart Systems — компания из Норвегии, которая помогает поставщикам коммунальных услуг инспектировать и обслуживать крупные объекты, такие как электрические сети и подстанции, с помощью компьютерного зрения и аналитики. В частности, флагманская платформа Grid Vision® использует компьютерное зрение, геопространственную аналитику и данные временных рядов для анализа аэрофотоснимков, обнаружения компонентов и дефектов, а также предоставления прогнозной аналитики по линиям электропередачи.
Чтобы повысить эффективность инспекций, eSmart Systems интегрировала модели Ultralytics YOLO в Grid Vision®. Это ускорило обнаружение дефектов и позволило коммунальным предприятиям перейти от реактивного ремонта к более эффективному техническому обслуживанию с учётом состояния объектов.
Преобразование инспекций линий электропередачи с помощью ИИ и компьютерного зрения#
Штаб-квартира eSmart Systems находится в Халдене, Норвегия. Компания разрабатывает инновационные решения для коммунального сектора, помогая контролировать и обслуживать критически важную инфраструктуру. Например, флагманская платформа Grid Vision® предоставляет комплексное решение для инспекции и управления крупными объектами, такими как электрические сети и подстанции.
К услугам eSmart Systems прибегают более 70 коммунальных предприятий по всему миру. Компания проинспектировала более 100 000 километров линий электропередачи, помогая предприятиям принимать более обоснованные решения на основе данных. Grid Vision® повышает эффективность технического обслуживания, снижает риски и поддерживает переход к более устойчивой и экологичной энергетической инфраструктуре.
eSmart Systems также гарантирует, что её решения на основе ИИ соответствуют высоким стандартам конфиденциальности данных и нормативным требованиям. Компания сертифицирована по стандарту ISO 27001 в области управления информационной безопасностью и соблюдает статью 7.8 Netcode, регулирующую безопасный обмен данными при эксплуатации европейских электрических сетей.
Сложности инспекции электрических сетей#
Электрические сети простираются на огромные территории и часто проходят через удалённые или труднодоступные места. Многие из этих систем устарели и требуют регулярных инспекций для обеспечения безопасности и надёжности. Проверка таких компонентов, как опоры линий электропередачи и сами линии, требует много времени и средств и может быть опасной для работников.
eSmart Systems стремилась получать аэрофотоснимки с помощью дронов и вертолётов, используя компьютерное зрение для обнаружения компонентов и выявления дефектов. Однако коммунальные предприятия используют разные компоненты и получают изображения в различных условиях, поэтому поддерживать единый рабочий процесс инспекций было сложно.
Рис. 1. Электрические сети могут быть сложными в обслуживании.
Ручная проверка этих изображений также была медленной и требовала значительных ресурсов, что затрудняло масштабирование обнаружения неисправностей. Чтобы автоматизировать инспекции и поддержать проактивное техническое обслуживание, eSmart Systems требовалась быстрая и адаптируемая модель ИИ для компьютерного зрения, способная надёжно работать с различными типами объектов, в регионах и при разных погодных условиях.
Роль обнаружения объектов и YOLO в инспекции электрических сетей#
Чтобы внедрить автоматизацию и интеллектуальный анализ в инспекции электрических сетей, eSmart Systems интегрировала Ultralytics YOLO — модель компьютерного зрения — в свою платформу Grid Vision®. Модели Ultralytics YOLO поддерживают различные задачи компьютерного зрения, включая обнаружение объектов, благодаря чему платформа может распознавать ключевые компоненты, такие как опоры, траверсы, изоляторы и провода, на аэрофотоснимках.
Модели также используются для обнаружения таких дефектов, как зарастание растительностью, повреждения и износ, которые могут влиять на работу сети. После обнаружения компонентов и дефектов эта информация обрабатывается в Grid Vision®, где облачная обработка позволяет быстро и точно автоматизировать и масштабировать процесс инспекции.
Рис. 2. Grid Vision® обнаруживает электрические компоненты с помощью YOLO.
Платформа отмечает потенциальные дефекты, оценивает связанные с ними уровни риска и помогает коммунальным предприятиям планировать техническое обслуживание с учётом состояния объектов. Сочетание обнаружения и анализа в реальном времени позволяет предприятиям перейти от реактивного обслуживания к более проактивному подходу и выявлять потенциальные проблемы до того, как они приведут к дорогостоящим отказам.
Интегрируя эти сведения с метаданными и данными временных рядов, Grid Vision® позволяет коммунальным предприятиям оптимизировать стратегии технического обслуживания, повышая эффективность и снижая риск неожиданных отключений.
Почему стоит выбрать модели Ultralytics YOLO?#
eSmart Systems выбрала модели Ultralytics YOLO за их скорость, точность и бесшовную интеграцию в конвейер ИИ. Модели Ultralytics YOLO стабильно работают при анализе больших аэрофотоснимков высокого разрешения, что делает их идеальными для инспекции электрических сетей.
Кроме того, пакет Ultralytics для Python предлагает множество вариантов интеграции, включая 15 форматов экспорта. Такая гибкость позволяет eSmart Systems развёртывать модели в различных средах. Компания использует такие форматы, как PyTorch для обучения и ONNX для оптимизированного вывода на CPU в рабочей среде, особенно когда ресурсы GPU в её облачной инфраструктуре ограничены.
Благодаря более чем 30 моделям Ultralytics YOLO, уже работающим в производственной среде, eSmart Systems может эффективно масштабировать инспекции. Это позволяет компании сосредоточиться на повышении качества данных и решении задач, специфичных для коммунальных предприятий.
Сокращение времени инспекций на 50% с помощью Ultralytics YOLO#
Влияние Grid Vision®, работающей на основе моделей Ultralytics YOLO, на повышение эффективности инспекций коммунальной инфраструктуры оказалось значительным. Автоматизировав инспекции объектов и улучшив обнаружение дефектов, Grid Vision® сократила объём ручной работы, повысила безопасность и способствовала внедрению более проактивных стратегий технического обслуживания.
Например, в Швейцарии крупная энергетическая компания, обслуживающая тысячи опор линий электропередачи (высоких конструкций, поддерживающих линии электропередачи) в горной местности, сократила время инспекций на 50%. Переход от ручного подъёма на опоры к инспекциям с помощью дронов ускорил обнаружение неисправностей, повысил безопасность работников и сэкономил время.
Аналогично, в США крупный поставщик коммунальных услуг оцифровал 1 400 опор линий электропередачи всего за три месяца с помощью Grid Vision®. Этот анализ изображений на основе ИИ заменил ручную проверку фотографий, обеспечив удалённую валидацию и принятие более обоснованных решений по планированию капитальных вложений.
Аналогично, в Финляндии оператор системы передачи электроэнергии сократил количество выездов на места и минимизировал отключения, перейдя от наземных инспекций к оценке с помощью дронов. Благодаря Grid Vision® и обнаружению дефектов на основе YOLO повысилась точность инспекций, а квалифицированные работники смогли сосредоточиться на более важных задачах.
Рис. 3. Линии электрической сети в Финляндии, контролируемые с помощью Grid Vision® и YOLO.
Развитие инспекций коммунальной инфраструктуры нового поколения#
В дальнейшем, по мере глобального расширения eSmart Systems, компания решает такие задачи, как различия в инфраструктуре, методы получения изображений и дрейф данных в разных регионах. Для этого компания стремится сделать Grid Vision® более масштабируемой и адаптируемой.
Важную роль в этом прогрессе сыграли конвейеры MLOps, упростившие повторное обучение моделей и автоматизировавшие расширение наборов данных. Эти улучшения постоянно повышают точность и производительность решений компании на основе ИИ. eSmart Systems прокладывает путь к более эффективному и надёжному управлению электрическими сетями, обеспечивая готовый к будущему подход к глобальному энергетическому переходу.
Интересуешься компьютерным зрением? Загляни в наш репозиторий на GitHub, чтобы узнать, как модели Ultralytics YOLO способствуют инновациям в таких областях, как ИИ в беспилотных автомобилях и компьютерное зрение в сельском хозяйстве. Узнай больше о наших моделях YOLO и вариантах лицензирования уже сегодня!
