Lo Servicios de Inspección Avanzada de Líneas Eléctricas que se realizan en Prysma, se basan en la adquisición, procesado y análisis de un gran volumen de datos procedentes de distintos sensores de captura, entre otros, se analizan datos procedentes de sistemas de adquisición basados en tecnología LiDAR así como imágenes termográficas e imágenes RGB.
Actualmente, el procesado y análisis masivo de datos supone una de las grandes estrategias de crecimiento en muchos sectores, la capacidad de analizar de forma automática grandes volúmenes de datos supone un aumento de la productividad en los distintos sectores, así como una mejora en la calidad de los resultados.
Si particularizamos para el mundo de las imágenes, existen multitud de sectores y aplicaciones que buscan la transformación digital mediante el análisis y procesado de las mismas de forma automática, como pueden ser Industria Conectada 4.0, Seguridad, Ciudades y Territorios Inteligentes y sostenibles, etc.
¿Qué es la Inteligencia Artificial? La IA fue definida por J. McCarthy en 1956, como “la ciencia e ingeniería de hacer máquinas que se comporten de una forma que llamarías inteligente si el humano tuviese ese comportamiento”.
Una de las áreas donde los avances de la Inteligencia Artificial han sido más notables es en el reconocimiento de imágenes, en parte gracias al desarrollo de nuevas técnicas de Machine Learning y Deep Learning, con las que se pretende la generación de algoritmos que permitan la detección y clasificación automática de objetos mediante el análisis de grandes volúmenes de imágenes. Este tipo de algoritmos suponen una reducción importante en los tiempos de procesado cuando se trabaja analizando imágenes, por esto, son cada vez más utilizados en distintos sectores y aplicaciones.
Una de las claves de la Inteligencia Artificial dentro de los procesos de transformación digital es Machine Learning. Machine Learning es una de las ramas de la Inteligencia Artificial aplicada hacia el crecimiento de los sistemas de aprendizaje autónomo de las máquinas. Un sistema informático de Aprendizaje Automático se sirve de experiencias y evidencias en forma de datos con los que comprender por sí mismo patrones o comportamientos. A partir de un dataset inicial de entrada etiquetado o conocido, puede generarse un modelo con capacidad para detectar los mismos patrones en otros dataset. En lugar de rutinas de software de codificación manual para una tarea particular, la máquina está “entrenada” con grandes cantidades de datos y algoritmos que le dan la capacidad de realizar una tarea.
Deep Learning. Se trata de una rama de Machine Learning también conocida como aprendizaje profundo. Las Redes Neuronales Artificiales están formadas por un conjunto de algoritmos diseñados especialmente para reconocer patrones. Este tipo de redes están basadas en las conexiones neuronales biológicas de nuestro cerebro. En este caso las Redes Neuronales Artificiales están formadas por capas discretas, conexiones y direcciones de propagación de datos.
IA + Prysma. En los trabajos de inspección de líneas eléctricas que realizamos en Prysma, se emplean miles de imágenes para la detección de anomalías y defectos visuales en las infraestructuras eléctricas.
Debido a la experiencia de Prysma en este tipo de trabajos, actualmente disponemos de un gran número de imágenes etiquetadas con las que es posible construir y alimentar para su aprendizaje un modelo robusto que permita en una primera fase, la detección de defectos de forma automática y posteriormente, la clasificación de los mismos según su naturaleza.
Uno de nuestros objetivos a corto plazo es generar una red capaz de distinguir entre las diferentes casuísticas de defectologías que pueden darse en las redes eléctricas de alta y media tensión de forma que se minimicen los tiempos de procesado y análisis, facilitando el trabajo de nuestros inspectores y ofreciendo un servicio optimizado a nuestros clientes mediante la aplicación de nuevos procesos y tecnologías.
