これは、Enel のコンピュータ ビジョン責任者、Mario Namtao Shianti Larcher によるゲスト投稿です。
エネルは、イタリアの電力事業体としてスタートし、現在では 32 か国に拠点を置く多国籍企業であり、74 万人のユーザーを抱える世界初のプライベート ネットワーク オペレーターです。 同社は、55.4 GW の設備容量を持つ最初の再生可能エネルギー企業としても認められています。 同社は近年、強力な社内ノウハウを開発することで機械学習 (ML) 分野に多額の投資を行っており、これにより 2.3 万キロメートルの配電ネットワークの自動監視など、非常に野心的なプロジェクトの実現が可能になりました。
エネルは毎年、ヘリコプターや自動車、その他の手段を使って配電網を検査しています。 何百万もの写真を撮ります。 そしてそのネットワークの 3D 画像を再構築します。 点群 LiDAR テクノロジーを使用して取得されたネットワークの 3D 再構成。
このデータの検査は、送電網の状態の監視、インフラストラクチャの異常の特定、設置された資産のデータベースの更新にとって重要であり、これにより、特定の電柱に設置されている最小の絶縁体の材質や状態に至るまでインフラストラクチャをきめ細かく制御できるようになります。 データ量 (イタリアだけで毎年 40 万枚以上の画像)、特定する項目の数、およびその特異性を考慮すると、完全に手動で分析するには時間と費用の両方で非常にコストがかかり、エラーが発生しやすくなります。 幸いなことに、コンピューター ビジョンとディープ ラーニングの世界における大きな進歩と、これらのテクノロジーの成熟と民主化のおかげで、この高価なプロセスを部分的または完全に自動化することが可能になりました。
もちろん、このタスクは依然として非常に困難であり、すべての最新の AI アプリケーションと同様に、コンピューティング能力と大量のデータを効率的に処理する能力が必要です。
Enel は、以下に基づいて独自の ML プラットフォーム (社内では ML ファクトリーと呼ばれます) を構築しました。 アマゾンセージメーカーこのプラットフォームは、Enel でさまざまなデジタル ハブ (ビジネス ユニット) にわたるさまざまなユースケースに合わせてモデルを構築およびトレーニングするための標準ソリューションとして確立されており、数十の ML プロジェクトが開発されています。 Amazon SageMaker トレーニング, Amazon SageMaker処理、およびその他の AWS サービス AWSステップ関数.
Enel は、次の XNUMX つの異なるソースから画像とデータを収集します。
- 空中ネットワークの検査:
- LiDAR 点群 – 非常に正確で地理的に位置特定されたインフラストラクチャの 3D 再構成という利点があるため、2D 画像解析では得られない精度で距離を計算したり、測定を行ったりするのに非常に役立ちます。
- 高解像度画像 – これらのインフラストラクチャの画像は、互いに数秒以内に撮影されています。 これにより、点群内で識別できないほど小さい要素や異常を検出できるようになります。
- 衛星画像 – これらは電力線検査よりも手頃な価格である可能性がありますが(無料または有料で利用できるものもあります)、その解像度と品質は多くの場合、Enel によって直接撮影された画像と同等ではありません。 これらの画像の特性により、森林密度やマクロ カテゴリの評価、建物の検索などの特定のタスクに役立ちます。
この投稿では、Enel がこれら XNUMX つのソースをどのように使用するかについて詳しく説明し、Enel が SageMaker を使用して大規模な送電網評価管理と異常検出プロセスを自動化する方法を共有します。
高解像度の写真を分析して資産と異常を特定する
検査中に収集される他の非構造化データと同様に、撮影された写真は次の場所に保存されます。 Amazon シンプル ストレージ サービス (アマゾンS3)。 これらの一部には、さまざまなコンピューター ビジョン タスク向けにさまざまな深層学習モデルをトレーニングするという目的で手動でラベルが付けられています。
概念的には、処理および推論パイプラインには複数のステップによる階層的なアプローチが含まれます。まず、画像内の関心領域が特定され、次にこれらが切り取られ、その中の資産が特定され、最後に素材または異常の有無に応じて分類されます。 同じ極が複数の画像に現れることが多いため、重複を避けるためにその画像をグループ化できることも必要です。これは、と呼ばれる操作です。 再識別.
これらすべてのタスクに対して、Enel は PyTorch フレームワークと、画像分類とオブジェクト検出のための最新のアーキテクチャを使用します。 EfficientNet/EfficientDet または、変圧器の油漏れなど、特定の異常のセマンティック セグメンテーション用のものもあります。 再識別タスクの場合、カメラ パラメータがないために幾何学的に再識別タスクを実行できない場合は、次を使用します。 SimCLRベースの自己教師ありメソッドまたは Transformer ベースのアーキテクチャが使用されます。 高性能 GPU を備えた多数のインスタンスにアクセスしない限り、これらすべてのモデルをトレーニングすることは不可能であるため、すべてのモデルは次の方法で並行してトレーニングされました。 Amazon SageMaker トレーニング GPU で高速化された ML インスタンスを使用したジョブ。 推論は同じ構造を持ち、いくつかの SageMaker 処理およびトレーニング ジョブを管理する Step Functions ステート マシンによって調整されます。これらのジョブは、名前にもかかわらず、推論と同様にトレーニングでも使用できます。
以下は、ML パイプラインの高レベルのアーキテクチャとその主なステップです。
この図は、データセット画像から ROI (電気ポストなど) を抽出して分析する ODIN 画像推論パイプラインの簡略化されたアーキテクチャを示しています。 パイプラインは ROI をさらにドリルダウンし、電気要素 (変圧器、絶縁体など) を抽出して分析します。 コンポーネント (ROI と要素) が完成すると、再識別プロセスが開始されます。つまり、ネットワーク マップ内の画像と極が 3D メタデータに基づいて照合されます。 これにより、同じ極を参照する ROI のクラスタリングが可能になります。 その後、異常が確定され、レポートが生成されます。
LiDAR 点群を使用した正確な測定値の抽出
高解像度の写真は非常に便利ですが、2D であるため、そこから正確な測定値を抽出することは不可能です。 LiDAR 点群は 3D であり、雲内の各点の位置に関連する誤差が数センチメートル未満であるため、ここで役に立ちます。
ただし、多くの場合、生の点群は役に立ちません。点のセットが樹木、送電線、または家を表しているかどうかが分からない場合、それを使って何もできないからです。 このため、エネルは KPConv、セマンティック点群セグメンテーション アルゴリズムを使用して、各点にクラスを割り当てます。 雲が分類されると、電柱の傾きを測定するのではなく、植生が送電線に近づきすぎているかどうかを把握できるようになります。 SageMaker サービスの柔軟性により、このソリューションのパイプラインはすでに説明したものとそれほど変わりませんが、唯一の違いは、この場合、推論にも GPU インスタンスを使用する必要があることです。
以下に点群画像の例をいくつか示します。
宇宙から送電網を観察: 植生をマッピングしてサービスの中断を防ぐ
ヘリコプターやその他の手段を使って送電網を検査するのは一般に非常に費用がかかり、あまり頻繁に行うことはできません。 一方、植生の傾向を短い間隔で監視するシステムは、エネルギー分配会社の最も高価なプロセスの XNUMX つである樹木の剪定を最適化するのに非常に役立ちます。 このため、Enel は衛星画像の分析をソリューションに組み込み、そこからマルチタスクのアプローチで植生の存在場所、その密度、マクロ クラスに分類された植物の種類を特定しました。
このユースケースでは、さまざまな解像度を試した結果、Enel は無料の解像度が最適であると結論付けました。 センチネル2の画像 コペルニクス プログラムによって提供されるものは、費用対効果が最も優れていました。 エネルは植生に加えて、衛星画像も使用して建物を特定します。これは、建物の存在とエネルが電力を供給する場所との間に不一致があるかどうか、したがってデータベースに不規則な接続や問題があるかどうかを理解するのに役立つ情報です。 後者のユースケースでは、2 ピクセルが 10 平方メートルの領域を表す Sentinel 50 の解像度では不十分であるため、解像度 XNUMX 平方センチメートルの有料画像を購入します。 このソリューションも、使用されるサービスとフローの点で、以前のソリューションと大きな違いはありません。
以下は、資産 (電柱と碍子) の識別を含む航空写真です。
ENEL Grid のデータ サイエンス ディレクター、アンジェラ イタリアーノ氏は次のように述べています。
「Enel では、コンピューター ビジョン モデルを使用して、数千万の高品質画像と LiDAR 点群を使用してネットワークの 3D 画像を再構成することで、配電ネットワークを検査しています。 これらの ML モデルのトレーニングには、高性能 GPU を備えた多数のインスタンスへのアクセスと、大量のデータを効率的に処理する能力が必要です。 Amazon SageMaker を使用すると、Amazon SageMaker トレーニングが必要に応じてコンピューティングリソースを増減させるため、インフラストラクチャを管理する必要がなく、すべてのモデルを並行して迅速にトレーニングできます。 Amazon SageMaker を使用することで、システムの 3D 画像を構築し、異常を監視し、60 万を超える顧客に効率的にサービスを提供することができます。」
まとめ
この投稿では、Enel のようなエネルギー業界のトップ プレーヤーが、コンピューター ビジョン モデルと SageMaker のトレーニングと処理ジョブを使用して、この巨大な規模のインフラストラクチャを管理し、設置された資産を追跡し、送電線に近すぎる植生などの異常と危険源を特定する必要がある人々の主な問題の XNUMX つを解決する方法を見てきました。
関連機能の詳細については、こちらをご覧ください。 セージメーカー.
著者について
マリオ・ナムタオ・シアンティ・ラーチャー Enel のコンピューター ビジョン部門の責任者です。 彼は数学、統計の背景があり、機械学習とコンピューター ビジョンに関する深い専門知識を持ち、XNUMX 人以上の専門家からなるチームを率いています。 マリオの役割には、AI とコンピューター ビジョンの力を効果的に利用して、エネルの広範なデータ リソースを活用する高度なソリューションを実装することが含まれます。 プロとしての努力に加えて、彼は伝統芸術と AI によって生成された芸術の両方に対する個人的な情熱を育んでいます。
クリスティアン・ガヴァッツェーニ アマゾン ウェブ サービスのシニア ソリューション アーキテクトです。 彼は、データ管理、インフラストラクチャ、セキュリティに重点を置いたプリセールス コンサルタントとして 20 年以上の経験があります。 余暇には、友人とゴルフをしたり、飛行機とドライブの予約だけで海外旅行をしたりすることが好きです。
ジュゼッペアンジェロポルチェッリ アマゾンウェブサービスのプリンシパル機械学習スペシャリストソリューションアーキテクトです。 MLのバックグラウンドをソフトウェアエンジニアリングする数年の経験を持つ彼は、あらゆる規模の顧客と協力して、ビジネスと技術のニーズを深く理解し、AWSクラウドとAmazonMachineLearningスタックを最大限に活用するAIと機械学習ソリューションを設計しています。 彼は、MLOps、Computer Vision、NLPなどのさまざまなドメインでプロジェクトに取り組み、幅広いAWSサービスを使用してきました。 自由時間には、ジュゼッペはサッカーを楽しんでいます。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/enel-automates-large-scale-power-grid-asset-management-and-anomaly-detection-using-amazon-sagemaker/
- :持っている
- :は
- :not
- :どこ
- $UP
- 1
- 10
- 100
- 13
- 20
- 20年
- 2D
- 32
- 3d
- 40
- 50
- 60
- 7
- a
- 能力
- できる
- 私たちについて
- 加速された
- アクセス
- 従った
- 精度
- 正確な
- 越えて
- 添加
- 高度な
- 進歩
- 利点
- 手頃な価格の
- 後
- AI
- アルゴリズム
- すべて
- ことができます
- 既に
- また
- しかし
- Amazon
- アマゾン機械学習
- アマゾンセージメーカー
- Amazon Webサービス
- 野心的な
- 量
- an
- 分析
- 分析
- 分析する
- および
- 異常検出
- どれか
- 登場する
- アプローチ
- 建築の
- 建築
- です
- AREA
- 宝品
- AS
- 評価
- 資産
- 資産管理
- 資産
- 関連する
- At
- 自動化する
- 自動化する
- オートマチック
- 利用できます
- 避ける
- AWS
- 背景
- ベース
- BE
- なぜなら
- さ
- BEST
- の間に
- 予約
- 両言語で
- 広い
- ビルド
- 内蔵
- ビジネス
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- 計算
- 呼ばれます
- カメラ
- 缶
- 容量
- 自動車
- 場合
- 例
- 一定
- 挑戦
- 特性
- class
- クラス
- 分類
- 分類された
- 閉じる
- クラウド
- クラスタリング
- 来ます
- 会社
- 完全に
- コンポーネント
- 計算
- コンピュータ
- Computer Vision
- コンピューティング
- コンピューティングパワー
- 終了する
- Connections
- コンサルタント
- コントロール
- 高額で
- 国
- コース
- 重大な
- Customers
- 危険
- データ
- データ管理
- データサイエンス
- データベースを追加しました
- 深いです
- 深い学習
- 提供します
- 民主化
- 記載された
- 設計
- にもかかわらず
- 細部
- 検出
- 検出
- 発展した
- 開発
- 異なる
- 違い
- 異なります
- デジタル
- 直接に
- 取締役
- 話し合います
- ディストリビューション
- 分割された
- do
- そうではありません
- ドメイン
- 行われ
- ドント
- ダウン
- ドライブ
- 原因
- 複製
- 間に
- 各
- 効果的に
- 効率良く
- 電気
- 要素は
- 使用可能
- 努力
- エネルギー
- エンジニアリング
- 巨大な
- エンティティ
- 装備
- エラー
- 設立
- 評価します
- さらに
- 例
- 高価な
- 体験
- 専門知識
- 広範囲
- エキス
- 抽出物
- 非常に
- 工場
- 特徴
- 代
- フィギュア
- ファイナライズ済み
- 最後に
- 発見
- 名
- 柔軟性
- フロー
- 焦点
- フォロー中
- サッカー
- 森林
- 幸いにも
- フレームワーク
- 無料版
- 頻繁に
- 友達
- から
- 機能
- さらに
- 一般に
- 生成された
- 取得する
- 与えられた
- 目標
- ゴルフ
- 支配する
- GPU
- GPU
- グリッド
- グループ
- ゲスト
- ゲストのポスト
- 持っていました
- ハンド
- 一握り
- ハンドル
- 持ってる
- 持って
- he
- 重く
- こちら
- ハイレベル
- ハイパフォーマンス
- 高品質
- 高解像度の
- 彼の
- お家の掃除
- 認定条件
- HTML
- HTTP
- HTTPS
- 識別
- 特定され
- 識別する
- 識別
- if
- 画像
- 画像分類
- 画像
- 実装
- 不可能
- in
- 含まれました
- 含めて
- 情報
- インフラ関連事業
- インストール
- 関心
- 内部で
- に
- 投資
- 関与
- IT
- Italy
- リーディングシート
- ITS
- Jobs > Create New Job
- JPG
- ただ
- キープ
- 知っている
- 欠如
- 大
- 大規模
- 最新の
- リード
- リーク
- 学習
- less
- 活用します
- ような
- 好き
- LINE
- 機械
- 機械学習
- マクロ
- メイン
- make
- 作る
- 管理します
- 管理
- マニュアル
- 手動で
- 多くの
- 地図
- マッピング
- マリオ
- マッチ
- 材料
- 数学
- 満期
- 手段
- 測定結果
- 計測
- メソッド
- 百万
- 何百万
- ML
- MLOps
- モデル
- モダン
- お金
- モニター
- モニタリング
- 他には?
- 最も
- ずっと
- 多国籍
- の試合に
- 名
- 国民
- 必要
- 必要とされる
- 必要
- ニーズ
- ネットワーク
- NLP
- 数
- オブジェクト
- オブジェクト検出
- 得
- of
- 頻繁に
- 油
- on
- ONE
- もの
- の
- 操作
- オペレータ
- 最適化
- or
- 調整された
- その他
- その他
- 私たちの
- でる
- が
- 自分の
- 並列シミュレーションの設定
- パラメータ
- 情熱
- 個人的な
- 写真
- 画像
- パイプライン
- ピクセル
- 植物
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- プレイヤー
- 再生
- ポイント
- ポイント
- 位置
- 可能
- ポスト
- 投稿
- 電力
- 送電網
- 正確な
- プレゼンス
- 現在
- 防ぐ
- 前
- 校長
- プライベート
- 問題
- プロセス
- ラボレーション
- 処理
- プロ
- 専門家
- 深遠な
- 演奏曲目
- プロジェクト(実績作品)
- 提供
- 購入した
- パイトーチ
- 品質
- すぐに
- むしろ
- 比
- Raw
- 実現する
- 理由
- 最近
- 認識
- 地域
- 関連する
- 残っている
- 再生可能エネルギー
- レポート
- 表し
- 必要
- レスキュー用機材
- 解像度
- リソース
- 職種
- セージメーカー
- 同じ
- 衛星
- 見ました
- 言う
- 秤
- 科学
- 秒
- セクター
- セキュリティ
- セグメンテーション
- シニア
- 役立つ
- サービス
- サービス
- セッションに
- いくつかの
- シェアする
- ショート
- 作品
- 簡単な拡張で
- 簡略化されました
- サイズ
- 小さい
- So
- ソフトウェア
- ソフトウェア工学
- 溶液
- ソリューション
- 解決する
- 一部
- ソース
- スペース
- 専門家
- 特異性
- 広場
- スタック
- 標準
- 開始
- 都道府県
- 統計
- Status:
- 手順
- ステップ
- ストレージ利用料
- 保存され
- 強い
- 構造
- そのような
- 十分な
- システム
- 撮影
- 取り
- 取得
- 仕事
- タスク
- チーム
- 技術的
- テクノロジー
- テクノロジー
- 10
- 十
- 条件
- より
- 感謝
- それ
- ステート
- 世界
- アプリ環境に合わせて
- それら
- その後
- そこ。
- したがって、
- ボーマン
- 彼ら
- この
- それらの
- 三
- 時間
- 〜へ
- 今日
- あまりに
- top
- 追跡する
- 伝統的な
- トレーニング
- 訓練された
- トレーニング
- トランスフォーマー
- ツリー
- トレンド
- 2
- type
- わかる
- ユニット
- 更新
- 使用可能な
- つかいます
- 使用事例
- 中古
- users
- 使用されます
- 活用する
- 非常に
- ビジョン
- ボリューム
- we
- ウェブ
- Webサービス
- WELL
- した
- かどうか
- which
- 誰
- なぜ
- Wikipedia
- 以内
- 無し
- 働いていました
- 作品
- 世界
- でしょう
- 年
- 年
- You
- ゼファーネット