이것은 Enel의 컴퓨터 비전 책임자인 Mario Namtao Shianti Larcher의 게스트 게시물입니다.
에넬는 이탈리아의 국가 전기 기관으로 출발하여 현재 32개국에 진출한 다국적 기업이자 74만 명의 사용자를 보유한 세계 최초의 사설 네트워크 사업자입니다. 또한 55.4GW의 설치 용량을 갖춘 최초의 재생 에너지 업체로 인정받고 있습니다. 최근 몇 년 동안 이 회사는 2.3만 킬로미터의 유통망 자동 모니터링과 같은 매우 야심 찬 프로젝트를 실현할 수 있는 강력한 사내 노하우를 개발하여 기계 학습(ML) 부문에 막대한 투자를 했습니다.
매년 Enel은 헬리콥터, 자동차 또는 기타 수단을 사용하여 전기 배전망을 검사합니다. 수백만 장의 사진을 찍습니다. 네트워크의 3D 이미지를 재구성합니다. 포인트 클라우드 LiDAR 기술을 사용하여 얻은 네트워크의 3D 재구성.
이 데이터의 검사는 전력망의 상태를 모니터링하고, 인프라 이상을 식별하고, 설치된 자산의 데이터베이스를 업데이트하는 데 중요하며, 주어진 기둥에 설치된 가장 작은 절연체의 재료 및 상태에 이르기까지 인프라를 세부적으로 제어할 수 있습니다. 데이터의 양(이탈리아에서만 매년 40천만 개 이상의 이미지), 식별할 항목의 수 및 해당 항목의 특이성을 고려할 때 완전한 수동 분석은 시간과 비용 측면에서 매우 비용이 많이 들고 오류가 발생하기 쉽습니다. 다행스럽게도 컴퓨터 비전 및 딥 러닝 분야의 엄청난 발전과 이러한 기술의 성숙도 및 민주화 덕분에 이 비용이 많이 드는 프로세스를 부분적으로 또는 완전히 자동화할 수 있습니다.
물론 이 작업은 여전히 매우 어려운 작업이며 모든 최신 AI 애플리케이션과 마찬가지로 컴퓨팅 성능과 대용량 데이터를 효율적으로 처리할 수 있는 기능이 필요합니다.
Enel은 다음을 기반으로 자체 ML 플랫폼(내부적으로 ML 공장이라고 함)을 구축했습니다. 아마존 세이지 메이커, 플랫폼은 수십 개의 ML 프로젝트가 개발되고 있는 다양한 디지털 허브(사업부)에서 다양한 사용 사례에 대해 Enel에서 모델을 구축하고 교육하는 표준 솔루션으로 설정됩니다. Amazon SageMaker 교육, Amazon SageMaker 처리, 기타 AWS 서비스 AWS 단계 함수.
Enel은 두 가지 소스에서 이미지와 데이터를 수집합니다.
- 공중 네트워크 검사:
- LiDAR 포인트 클라우드 – 그들은 인프라의 매우 정확하고 지역화된 3D 재구성이라는 이점이 있으므로 거리를 계산하거나 2D 이미지 분석에서 얻을 수 없는 정확도로 측정하는 데 매우 유용합니다.
- 고해상도 이미지 – 이러한 인프라 이미지는 서로 몇 초 이내에 촬영됩니다. 이를 통해 너무 작아서 포인트 클라우드에서 식별할 수 없는 요소와 이상 현상을 감지할 수 있습니다.
- 위성 이미지 – 이들은 전력선 검사보다 저렴할 수 있지만(일부는 무료 또는 유료로 제공됨) 해상도와 품질이 Enel에서 직접 촬영한 이미지와 동등하지 않은 경우가 많습니다. 이러한 이미지의 특성은 숲 밀도 및 매크로 범주 평가 또는 건물 찾기와 같은 특정 작업에 유용합니다.
이 게시물에서는 Enel이 이러한 세 가지 소스를 사용하는 방법에 대해 자세히 설명하고 Enel이 SageMaker를 사용하여 대규모 전력망 평가 관리 및 이상 탐지 프로세스를 자동화하는 방법을 공유합니다.
고해상도 사진을 분석하여 자산 및 이상 징후 식별
검사 중에 수집된 다른 비정형 데이터와 마찬가지로 촬영한 사진은 아마존 단순 스토리지 서비스 (아마존 S3). 이들 중 일부는 서로 다른 컴퓨터 비전 작업에 대해 서로 다른 딥 러닝 모델을 교육한다는 목표로 수동으로 레이블이 지정됩니다.
개념적으로 처리 및 추론 파이프라인에는 여러 단계를 포함하는 계층적 접근 방식이 포함됩니다. 먼저 이미지의 관심 영역을 식별한 다음 잘라낸 다음 해당 영역 내에서 자산을 식별하고 마지막으로 이상 항목의 재질 또는 존재 여부에 따라 분류합니다. 동일한 기둥이 둘 이상의 이미지에 자주 나타나기 때문에 중복을 피하기 위해 이미지를 그룹화할 수 있어야 합니다. 재식별.
이러한 모든 작업을 위해 Enel은 PyTorch 프레임워크와 이미지 분류 및 객체 감지를 위한 최신 아키텍처를 사용합니다. EfficientNet/EfficientDet 또는 변압기의 오일 누출과 같은 특정 예외의 의미론적 분할을 위한 기타. 재식별 작업의 경우 카메라 매개변수가 부족하여 기하학적으로 수행할 수 없는 경우 다음을 사용합니다. SimCLR기반 자체 감독 방법 또는 Transformer 기반 아키텍처가 사용됩니다. 고성능 GPU가 장착된 많은 수의 인스턴스에 액세스하지 않고는 이러한 모든 모델을 교육하는 것은 불가능하므로 모든 모델은 다음을 사용하여 병렬로 교육했습니다. Amazon SageMaker 교육 GPU 가속 ML 인스턴스를 사용한 작업. 추론은 동일한 구조를 가지며 여러 SageMaker 처리 및 학습 작업을 관리하는 Step Functions 상태 시스템에 의해 오케스트레이션됩니다. 이 작업은 이름에도 불구하고 추론에서와 마찬가지로 교육에 사용할 수 있습니다.
다음은 주요 단계가 포함된 ML 파이프라인의 상위 수준 아키텍처입니다.
이 다이어그램은 데이터 세트 이미지에서 ROI(예: 전기 포스트)를 추출하고 분석하는 ODIN 이미지 추론 파이프라인의 간소화된 아키텍처를 보여줍니다. 파이프라인은 ROI를 추가로 드릴다운하여 전기 요소(변압기, 절연체 등)를 추출하고 분석합니다. 구성 요소(ROI 및 요소)가 확정된 후 재식별 프로세스가 시작됩니다. 네트워크 맵의 이미지와 극점은 3D 메타데이터를 기반으로 일치합니다. 이를 통해 동일한 극점을 참조하는 ROI를 클러스터링할 수 있습니다. 그 후 이상이 확인되고 보고서가 생성됩니다.
LiDAR 포인트 클라우드를 사용하여 정밀 측정값 추출
고해상도 사진은 매우 유용하지만 2D이기 때문에 정확한 측정값을 추출하는 것은 불가능합니다. LiDAR 포인트 클라우드는 3D이고 클라우드의 각 포인트에는 몇 센티미터 미만의 관련 오류가 있는 위치가 있기 때문에 여기에서 구출됩니다.
그러나 많은 경우에 원시 포인트 클라우드는 유용하지 않습니다. 포인트 집합이 나무, 전선 또는 집을 나타내는지 모르면 많은 작업을 수행할 수 없기 때문입니다. 이러한 이유로 Enel은 다음을 사용합니다. KPConv, 시맨틱 포인트 클라우드 분할 알고리즘, 각 포인트에 클래스를 할당합니다. 구름을 분류한 후에는 기둥의 기울기를 측정하는 것보다 초목이 전력선에 너무 가까이 있는지 여부를 파악할 수 있습니다. SageMaker 서비스의 유연성으로 인해 이 솔루션의 파이프라인은 이미 설명한 것과 크게 다르지 않으며 유일한 차이점은 이 경우 추론을 위해 GPU 인스턴스도 사용해야 한다는 것입니다.
다음은 포인트 클라우드 이미지의 몇 가지 예입니다.
우주에서 전력망 보기: 서비스 중단을 방지하기 위해 초목 매핑
헬리콥터 및 기타 수단으로 전력망을 검사하는 것은 일반적으로 비용이 많이 들고 너무 자주 수행할 수 없습니다. 반면에 짧은 시간 간격으로 식생 경향을 모니터링하는 시스템을 갖추는 것은 에너지 분배기에서 가장 비용이 많이 드는 프로세스 중 하나인 나무 가지치기를 최적화하는 데 매우 유용합니다. 이것이 바로 Enel이 솔루션에 위성 이미지 분석을 포함시킨 이유입니다. 여기에서 멀티태스킹 접근 방식을 통해 식생이 있는 위치, 밀도 및 매크로 클래스로 분류된 식물 유형을 식별할 수 있습니다.
이 사용 사례의 경우 다양한 해상도로 실험한 후 Enel은 무료라는 결론을 내렸습니다. 센티넬 2 이미지 코페르니쿠스 프로그램에서 제공하는 것이 비용 대비 효과가 가장 좋았습니다. 초목 외에도 Enel은 위성 이미지를 사용하여 건물을 식별합니다. 이는 건물의 존재와 Enel이 전력을 공급하는 위치 사이에 불일치가 있는지, 따라서 데이터베이스의 불규칙한 연결이나 문제가 있는지 이해하는 데 유용한 정보입니다. 후자의 경우 2픽셀이 10제곱미터의 면적을 나타내는 센티넬50의 해상도로는 부족해 XNUMX제곱센티미터 해상도의 유료 이미지를 구매한다. 이 솔루션은 사용되는 서비스 및 흐름 측면에서도 이전 솔루션과 크게 다르지 않습니다.
다음은 자산(전주 및 절연체)을 식별할 수 있는 항공사진입니다.
ENEL Grid의 데이터 과학 이사인 Angela Italiano는 다음과 같이 말합니다.
“Enel에서는 컴퓨터 비전 모델을 사용하여 수천만 개의 고품질 이미지와 LiDAR 포인트 클라우드를 사용하여 네트워크의 3D 이미지를 재구성하여 배전 네트워크를 검사합니다. 이러한 ML 모델을 교육하려면 고성능 GPU가 장착된 많은 수의 인스턴스에 액세스하고 대량의 데이터를 효율적으로 처리할 수 있는 기능이 필요합니다. Amazon SageMaker를 사용하면 Amazon SageMaker 교육이 필요에 따라 컴퓨팅 리소스를 확장 및 축소하므로 인프라를 관리할 필요 없이 모든 모델을 병렬로 신속하게 교육할 수 있습니다. Amazon SageMaker를 사용하여 우리 시스템의 3D 이미지를 구축하고, 이상 현상을 모니터링하고, 60천만 명 이상의 고객에게 효율적으로 서비스를 제공할 수 있습니다.”
결론
이 게시물에서 우리는 Enel과 같은 에너지 세계의 최고 기업이 어떻게 컴퓨터 비전 모델과 SageMaker 교육 및 처리 작업을 사용하여 이 거대한 규모의 인프라를 관리하고 설치된 자산을 추적하고 너무 가까운 초목과 같은 전력선에 대한 이상 및 위험 원인을 식별해야 하는 사람들의 주요 문제 중 하나를 해결했는지 살펴봤습니다.
의 관련 기능에 대해 자세히 알아보십시오. 세이지 메이커.
저자에 관하여
마리오 남타오 시안티 라처 Enel의 컴퓨터 비전 책임자입니다. 그는 수학, 통계, 기계 학습 및 컴퓨터 비전에 대한 심오한 전문 지식을 가지고 있으며 XNUMX명 이상의 전문가로 구성된 팀을 이끌고 있습니다. Mario의 역할은 AI 및 컴퓨터 비전의 힘을 효과적으로 활용하여 Enel의 광범위한 데이터 리소스를 활용하는 고급 솔루션을 구현하는 것입니다. 전문적인 노력 외에도 그는 전통 예술과 AI 생성 예술 모두에 대한 개인적인 열정을 키웁니다.
크리스티안 가바체니 Amazon Web Services의 선임 솔루션 아키텍트입니다. 그는 데이터 관리, 인프라 및 보안에 중점을 둔 사전 판매 컨설턴트로 20년 이상의 경력을 가지고 있습니다. 여가 시간에는 친구들과 골프를 치고 항공편 및 드라이브 예약만으로 해외 여행을 즐깁니다.
주세페 안젤로 포첼리 Amazon Web Services의 주요 기계 학습 전문가 솔루션 설계자입니다. 수년 간의 소프트웨어 엔지니어링 ML 배경을 가진 그는 모든 규모의 고객과 협력하여 비즈니스 및 기술 요구 사항을 깊이 이해하고 AWS 클라우드 및 Amazon Machine Learning 스택을 최대한 활용하는 AI 및 기계 학습 솔루션을 설계합니다. 그는 MLOps, Computer Vision, NLP를 비롯한 다양한 도메인에서 다양한 AWS 서비스와 관련된 프로젝트에 참여했습니다. 여가 시간에 Giuseppe는 축구를 즐깁니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/enel-automates-large-scale-power-grid-asset-management-and-anomaly-detection-using-amazon-sagemaker/
- :있다
- :이다
- :아니
- :어디
- $UP
- 1
- 10
- 100
- 13
- 20
- 20년
- 2D
- 32
- 3d
- 40
- 50
- 60
- 7
- a
- 능력
- 할 수 있는
- 소개
- 가속 된
- ACCESS
- 에 따르면
- 정확한
- 가로질러
- 또한
- 많은
- 발전하다
- 이점
- 저렴한
- 후
- AI
- 연산
- All
- 수
- 이미
- 또한
- 이기는하지만
- 아마존
- 아마존 머신 러닝
- 아마존 세이지 메이커
- Amazon Web Services
- 거창한
- 양
- an
- 분석
- 복수
- 분석하는
- 및
- 이상 감지
- 어떤
- 등장하다
- 어플리케이션
- 접근
- 건축
- 아키텍처
- 있군요
- 지역
- 미술
- AS
- 평가
- 유산
- 자산 관리
- 자산
- 관련
- At
- 자동화
- 오토마타
- Automatic
- 가능
- 피하기
- AWS
- 배경
- 기반으로
- BE
- 때문에
- 존재
- BEST
- 사이에
- 예약
- 두
- 넓은
- 빌드
- 내장
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 계산하는
- 라는
- 카메라
- CAN
- 생산 능력
- 자동차
- 케이스
- 가지 경우
- 어떤
- 도전
- 특성
- 수업
- 수업
- 분류
- 분류 한
- 닫기
- 클라우드
- 클러스터링
- 왔다
- 회사
- 완전히
- 구성 요소들
- 계산
- 컴퓨터
- 컴퓨터 비전
- 컴퓨팅
- 컴퓨팅 파워
- 결론
- 연결
- 컨설턴트
- 제어
- 값 비싼
- 국가
- 코스
- 임계
- 고객
- 위험
- 데이터
- 데이터 관리
- 데이터 과학
- 데이터베이스
- 깊은
- 깊은 학습
- 제공
- 민주화
- 기술 된
- 디자인
- 무례
- 세부설명
- 검색
- Detection System
- 개발
- 개발
- 다르다
- 차이
- 다른
- 디지털
- 직접
- 책임자
- 토론
- 분포
- 분할 된
- do
- 하지 않습니다
- 도메인
- 한
- 말라
- 아래 (down)
- 드라이브
- 두
- 중복
- ...동안
- 마다
- 효과적으로
- 효율적으로
- 전기
- 요소
- 사용 가능
- 노력
- 에너지
- 엔지니어링
- 거대한
- 실재
- 갖추어 준
- 오류
- 확립 된
- 평가
- 조차
- 예
- 비싼
- 경험
- 전문적 지식
- 광대 한
- 추출물
- 추출물
- 매우
- 공장
- 특징
- 보수
- 그림
- 확정 된
- 최종적으로
- 발견
- 먼저,
- 유연성
- 흐름
- 초점
- 수행원
- 축구
- 럭셔리
- 숲
- 다행히도
- 뼈대
- 무료
- 자주
- 친구
- 에
- 기능
- 추가
- 일반적으로
- 생성
- 얻을
- 주어진
- 골
- 골프
- 지배하다
- GPU
- GPU
- 그리드
- 그룹
- 손님
- 고객 포스트
- 했다
- 손
- 줌
- 핸들
- 있다
- 데
- he
- 머리
- 무겁게
- 여기에서 지금 확인해 보세요.
- 고수준
- 고성능
- 높은 품질의
- 높은 해상도
- 그의
- 집
- 방법
- HTML
- HTTP
- HTTPS
- 식별
- 확인
- 확인
- 식별
- if
- 영상
- 이미지 분류
- 형상
- 구현
- 불가능한
- in
- 포함
- 포함
- 정보
- 인프라
- 설치
- 관심
- 내부로
- 으로
- 투자
- 참여
- IT
- 이탈리아
- 항목
- 그
- 작업
- JPG
- 다만
- 유지
- 알아
- 결핍
- 넓은
- 대규모
- 최근
- 오퍼
- 누수
- 배우기
- 적게
- 이점
- 처럼
- 좋아하는
- 라인
- 기계
- 기계 학습
- 매크로
- 본관
- 확인
- 제작
- 관리
- 구축
- 조작
- 수동으로
- .
- 지도
- 매핑
- 마리오
- 일치하는
- 자료
- 수학
- 만기
- 방법
- 측정 시간 상관관계
- 측정
- 메타 데이터
- 방법
- 백만
- 수백만
- ML
- MLOps
- 모델
- 현대
- 돈
- 모니터
- 모니터링
- 배우기
- 가장
- 많은
- 다국적
- 여러
- name
- 국가의
- 필요한
- 필요
- 필요
- 요구
- 네트워크
- nlp
- 번호
- 대상
- 객체 감지
- 획득
- of
- 자주
- 기름
- on
- ONE
- 사람
- 만
- 조작
- 연산자
- 최적화
- or
- 조율 된
- 기타
- 기타
- 우리의
- 아웃
- 위에
- 자신의
- 평행
- 매개 변수
- 열정
- 확인
- 사진
- .
- 관로
- 픽셀
- 식물
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 플레이어
- 연주
- 포인트 적립
- 전철기
- 위치
- 가능한
- 게시하다
- 게시물
- 힘
- 전력망
- 정확한
- 존재
- 제시
- 예방
- 너무 이른
- 교장
- 사설
- 문제
- 방법
- 프로세스
- 처리
- 링크를
- 전문가
- 깊은
- 프로그램
- 프로젝트
- 제공
- 구매 한
- 파이 토치
- 품질
- 빨리
- 차라리
- 비율
- 살갗이 벗어 진
- 실현
- 이유
- 최근
- 인정
- 지역
- 관련
- 유적
- 신 재생 에너지
- 보고서
- 대표
- 필요
- 구출
- 분해능
- 제품 자료
- 직위별
- 현자
- 같은
- 위성
- 본
- 라고
- 저울
- 과학
- 초
- 부문
- 보안
- 분할
- 연장자
- 서브
- 서비스
- 서비스
- 세트
- 몇몇의
- 공유
- 짧은
- 쇼
- 단순, 간단, 편리
- 단순화
- 크기
- 작은
- So
- 소프트웨어
- 소프트웨어 공학
- 해결책
- 솔루션
- 풀다
- 일부
- 지우면 좋을거같음 . SM
- 스페이스 버튼
- 전문가
- 특성
- 광장
- 스택
- 표준
- 시작
- 주 정부
- 통계
- Status
- 단계
- 단계
- 저장
- 저장
- 강한
- 구조
- 이러한
- 충분한
- 체계
- 시스템은
- 촬영
- 소요
- 복용
- 태스크
- 작업
- 팀
- 테크니컬
- 기술
- Technology
- 안색
- 수십
- 조건
- 보다
- 감사
- 그
- XNUMXD덴탈의
- 국가
- 세계
- 그들의
- 그들
- 그때
- 그곳에.
- 따라서
- Bowman의
- 그들
- 이
- 그
- 세
- 시간
- 에
- 오늘
- 너무
- 상단
- 선로
- 전통적인
- Train
- 훈련 된
- 트레이닝
- 변압기
- 나무
- 트렌드
- 두
- 유형
- 이해
- 단위
- 업데이트
- 쓸 수 있는
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 사용
- 사용
- 활용
- 대단히
- 시력
- 볼륨
- we
- 웹
- 웹 서비스
- 잘
- 했다
- 여부
- 어느
- 누구
- why
- 위키 백과
- 과
- 이내
- 없이
- 일
- 일
- 세계
- 겠지
- year
- 년
- 자신의
- 제퍼 넷