eSmart Systems tự động hóa việc kiểm tra tiện ích bằng Ultralytics YOLO

eSmart Systems là một công ty có trụ sở tại Na Uy, chuyên hỗ trợ các nhà cung cấp tiện ích kiểm tra và quản lý các tài sản quy mô lớn, chẳng hạn như lưới điện và trạm biến áp, bằng cách sử dụng thị giác máy tính (computer vision) và phân tích. Đặc biệt, nền tảng hàng đầu của họ, Grid Vision®, tận dụng thị giác máy tính, phân tích không gian địa lý và dữ liệu chuỗi thời gian để phân tích hình ảnh trên không, phát hiện các thành phần và khuyết tật, đồng thời cung cấp thông tin chi tiết dự đoán trên các đường dây truyền tải.

Để nâng cao hơn nữa hiệu quả kiểm tra, eSmart Systems đã tích hợp các mô hình Ultralytics YOLO vào Grid Vision®. Điều này giúp tăng tốc độ phát hiện lỗi và giúp các tiện ích chuyển từ sửa chữa phản ứng sang bảo trì dựa trên tình trạng hiệu quả hơn.

Chuyển đổi công tác kiểm tra đường dây điện bằng AI và thị giác máy tính

Với trụ sở chính tại Halden, Na Uy, eSmart Systems tập trung vào việc mang đến các giải pháp sáng tạo cho lĩnh vực tiện ích để giám sát và duy trì cơ sở hạ tầng quan trọng. Ví dụ: nền tảng hàng đầu của họ, Grid Vision®, cung cấp một giải pháp toàn diện để kiểm tra và quản lý các tài sản quy mô lớn như lưới điện và trạm biến áp.

Được tin cậy bởi hơn 70 công ty điện lực trên toàn thế giới, eSmart Systems đã kiểm tra hơn 100.000 km đường dây điện, cho phép các công ty điện lực đưa ra các quyết định dựa trên dữ liệu tốt hơn. Grid Vision® giúp bảo trì hiệu quả hơn, giảm rủi ro và hỗ trợ quá trình chuyển đổi sang cơ sở hạ tầng năng lượng bền vững và linh hoạt hơn.

eSmart Systems cũng đảm bảo rằng các giải pháp AI của họ đáp ứng các tiêu chuẩn cao về quyền riêng tư dữ liệu và tuân thủ quy định. Họ được chứng nhận ISO 27001 về quản lý an ninh thông tin và tuân thủ Điều 7.8 của Netcode, điều chỉnh việc trao đổi dữ liệu an toàn trong hoạt động lưới điện châu Âu.

Sự phức tạp của việc kiểm tra lưới điện 

Lưới điện trải dài trên các khu vực rộng lớn, thường chạy qua các địa điểm xa xôi hoặc khó tiếp cận. Nhiều hệ thống trong số này đang cũ đi và cần được kiểm tra thường xuyên để đảm bảo an toàn và độ tin cậy. Việc kiểm tra các thành phần như tháp truyền tải và đường dây điện tốn thời gian, tốn kém và có thể gây rủi ro cho công nhân. 

eSmart Systems hướng đến việc thu thập hình ảnh trên không bằng cách sử dụng máy bay không người lái (drone) và вертоліт, áp dụng thị giác máy tính để phát hiện các thành phần và xác định các khuyết tật. Tuy nhiên, do các công ty điện lực có các thành phần khác nhau và chụp ảnh trong các điều kiện khác nhau, nên việc duy trì một quy trình kiểm tra nhất quán là một thách thức.

‍

Việc xem xét thủ công những hình ảnh này cũng chậm và tốn nhiều tài nguyên, gây khó khăn cho việc mở rộng quy mô phát hiện lỗi. Để tự động hóa việc kiểm tra và hỗ trợ bảo trì chủ động, eSmart Systems cần một mô hình Vision AI nhanh chóng và có khả năng thích ứng, có thể hoạt động đáng tin cậy trên các loại tài sản, khu vực và điều kiện thời tiết.

Vai trò của phát hiện đối tượng và YOLO trong kiểm tra lưới điện 

Để mang lại tự động hóa và trí thông minh cho việc kiểm tra lưới điện, eSmart Systems đã tích hợp Ultralytics YOLO, một mô hình thị giác máy tính, vào nền tảng Grid Vision® của mình. Các mô hình Ultralytics YOLO hỗ trợ nhiều tác vụ thị giác máy tính, bao gồm phát hiện đối tượng, cho phép nền tảng xác định các thành phần chính như cột, xà, vật liệu cách điện và dây dẫn trong ảnh chụp trên không. 

Các mô hình cũng đang được sử dụng để phát hiện các khuyết tật như xâm lấn растительность, hư hỏng và hao mòn, có thể ảnh hưởng đến hiệu suất của lưới điện. Sau khi các thành phần và khuyết tật được phát hiện, thông tin này được xử lý thông qua Grid Vision®, sử dụng xử lý dựa trên đám mây để tự động hóa và mở rộng quy trình kiểm tra một cách nhanh chóng và chính xác.

‍

Nền tảng này gắn cờ các lỗi tiềm ẩn, đánh giá mức độ rủi ro liên quan và giúp các công ty điện lực lên kế hoạch bảo trì dựa trên tình trạng của tài sản. Sự kết hợp giữa phát hiện và phân tích theo thời gian thực cho phép các công ty điện lực chuyển từ bảo trì phản ứng sang cách tiếp cận chủ động hơn, hỗ trợ họ đi trước các vấn đề tiềm ẩn trước khi chúng dẫn đến những sự cố tốn kém.

Bằng cách tích hợp những hiểu biết sâu sắc này với siêu dữ liệu và dữ liệu chuỗi thời gian, Grid Vision® cho phép các tiện ích tối ưu hóa các chiến lược bảo trì của họ, cải thiện hiệu quả và giảm nguy cơ mất điện đột ngột.

Tại sao nên chọn các mô hình Ultralytics YOLO?

eSmart Systems đã áp dụng các mô hình Ultralytics YOLO vì tốc độ, độ chính xác và khả năng tích hợp liền mạch vào quy trình AI của họ. Các mô hình Ultralytics YOLO mang lại kết quả nhất quán khi phân tích hình ảnh chụp từ trên không có độ phân giải cao, khiến chúng trở nên lý tưởng cho việc kiểm tra lưới điện.

Ngoài ra, gói Ultralytics Python cung cấp nhiều tùy chọn tích hợp khác nhau, bao gồm 15 định dạng xuất. Sự linh hoạt này cho phép eSmart Systems triển khai các mô hình trên các môi trường khác nhau. Họ sử dụng các định dạng như PyTorch để huấn luyện và ONNX để tối ưu hóa suy luận CPU trong sản xuất, đặc biệt khi tài nguyên GPU bị hạn chế trong cơ sở hạ tầng đám mây của họ.

Với hơn 30 mô hình Ultralytics YOLO đã được đưa vào sản xuất, eSmart Systems có thể mở rộng quy mô kiểm tra một cách hiệu quả. Điều này cho phép họ tập trung vào việc cải thiện chất lượng dữ liệu và giải quyết các thách thức cụ thể của ngành điện.

Giảm thời gian kiểm tra 50% với Ultralytics YOLO

Tác động của Grid Vision®, được hỗ trợ bởi các mô hình Ultralytics YOLO, là rất lớn trong việc nâng cao hiệu quả kiểm tra các công trình tiện ích. Bằng cách tự động hóa việc kiểm tra tài sản và cải thiện khả năng phát hiện lỗi, Grid Vision® đã giảm khối lượng công việc thủ công, tăng cường an toàn và tạo điều kiện cho các chiến lược bảo trì chủ động hơn.

Ví dụ: tại Thụy Sĩ, một công ty năng lượng lớn quản lý hàng nghìn cột điện (cấu trúc cao đỡ đường dây điện) ở địa hình núi non đã giảm 50% thời gian kiểm tra. Việc chuyển từ leo trèo thủ công sang kiểm tra bằng máy bay không người lái đã đẩy nhanh quá trình phát hiện lỗi, cải thiện an toàn cho người lao động và tiết kiệm thời gian.

Tương tự, tại Hoa Kỳ, một nhà cung cấp dịch vụ tiện ích lớn đã sử dụng Grid Vision® để số hóa 1.400 cấu trúc truyền tải chỉ trong ba tháng. Phân tích hình ảnh dựa trên AI này đã thay thế các đánh giá ảnh thủ công, cho phép xác thực từ xa và cho phép đưa ra các quyết định lập kế hoạch vốn dựa trên dữ liệu tốt hơn.

Tương tự, ở Phần Lan, một nhà điều hành hệ thống truyền tải đã giảm số lần đến hiện trường và giảm thiểu sự cố bằng cách chuyển từ kiểm tra trên mặt đất sang đánh giá bằng máy bay không người lái. Với Grid Vision® và khả năng phát hiện khuyết tật được hỗ trợ bởi YOLO, độ chính xác kiểm tra đã được cải thiện và những công nhân lành nghề có thể tập trung vào các nhiệm vụ quan trọng hơn.

‍

Cung cấp năng lượng cho thế hệ kiểm tra tiện ích tiếp theo

Trong tương lai, khi eSmart Systems mở rộng trên toàn cầu, họ đang giải quyết các thách thức như cơ sở hạ tầng khác nhau, các phương pháp chụp ảnh khác nhau và sự trôi dạt dữ liệu giữa các khu vực. Để vượt qua những lo ngại này, công ty đang tập trung vào việc làm cho Grid Vision® có khả năng mở rộng và thích ứng hơn. 

Tiến độ của họ với các quy trình MLOps là rất quan trọng, đơn giản hóa việc đào tạo lại mô hình và tự động hóa việc mở rộng tập dữ liệu. Những cải tiến này liên tục nâng cao độ chính xác và hiệu suất của các giải pháp AI của họ. eSmart Systems đang mở đường cho việc quản lý lưới điện hiệu quả và đáng tin cậy hơn, đảm bảo một cách tiếp cận sẵn sàng cho tương lai đối với quá trình chuyển đổi năng lượng toàn cầu.

Bạn quan tâm đến thị giác máy tính? Hãy khám phá kho lưu trữ GitHub của chúng tôi để xem các mô hình Ultralytics YOLO đang thúc đẩy sự đổi mới trong các lĩnh vực như AI trong xe tự lái và thị giác máy tính trong nông nghiệp. Tìm hiểu thêm về các mô hình YOLO của chúng tôi và các tùy chọn cấp phép ngay hôm nay!