Team UAV & Softwire: ΕΚΠΑΙΔΕΥΣΗ ΜΟΝΤΕΛΩΝ AI

Drones και AI στην επιθεώρηση 500 μετασχηματιστών του δικτύου της National Grid

Εναέρια συλλογή εικόνων σε Κορνουάλη, Ουαλία και Μίντλαντς τροφοδοτεί πιλοτικό έργο υπολογιστικής όρασης για την αξιολόγηση της κατάστασης μετασχηματιστών διανομής και τον σχεδιασμό προληπτικής συντήρησης.

Με λίγα λόγια

Η Team UAV ολοκλήρωσε εναέριες επιθεωρήσεις 500 μετασχηματιστών σε περιοχές της Κορνουάλης, της Ουαλίας και των Μίντλαντς για λογαριασμό της National Grid Electricity Distribution (NGED). Η Softwire αναπτύσσει μοντέλα υπολογιστικής όρασης και πρωτότυπη εφαρμογή για την αξιολόγηση ορατών φθορών. Το έργο χρηματοδοτείται από το Network Innovation Allowance (NIA) και παραμένει σε πιλοτικό στάδιο, όχι σε πλήρη επιχειρησιακή λειτουργία.

500 μετασχηματιστές σε τρεις γεωγραφικές περιοχές

Σύμφωνα με την ανακοίνωση της Team UAV στις 21 Οκτωβρίου 2026, συλλέχθηκαν εικόνες από 500 pole–mounted transformers, δηλαδή μετασχηματιστές διανομής εγκατεστημένους σε στύλους. Οι εργασίες κάλυψαν αγροτικές και δυσπρόσιτες θέσεις στην Κορνουάλη, την Ουαλία και τα Μίντλαντς. Η επιλογή των σημείων βασίστηκε στο μητρώο παγίων της NGED, με εναλλακτικά σημεία όπου η πρόσβαση, η βλάστηση ή η υποδομή δεν επέτρεπαν την επιθεώρηση.

Πριν από τις πτήσεις, τεχνικές δοκιμές καθόρισαν τον εξοπλισμό, τις θέσεις κάμερας και τις μεθόδους λήψης, ώστε οι εικόνες από διαφορετικές τοποθεσίες να είναι συγκρίσιμες. Η Team UAV δημιούργησε επίσης βάση GIS και διαδικασία παράδοσης, συνδέοντας κάθε σύνολο εικόνων με τη θέση του μετασχηματιστή, τα στοιχεία επιθεώρησης και τα μεταδεδομένα.

Η ανακοίνωση των εταιρειών επιβεβαιώνει τη συλλογή εικόνων υψηλής ανάλυσης για 500 μονάδες, αλλά δεν τεκμηριώνει δημόσια έναν σταθερό αριθμό λήψεων ανά μετασχηματιστή. Για τον λόγο αυτό, ο αριθμός των έξι φωτογραφιών ανά μονάδα που αναφερόταν στο αρχικό κείμενο δεν διατηρείται ως επιβεβαιωμένο τεχνικό στοιχείο.

Από τις εικόνες στην υπολογιστική όραση

Η Team UAV είχε την ευθύνη της επιχειρησιακής συλλογής και οργάνωσης των δεδομένων. Η Softwire αναλαμβάνει το επόμενο στάδιο: την επισήμανση (labelling) των εικόνων σε συνεργασία με ειδικούς της NGED και την εκπαίδευση μοντέλων μηχανικής μάθησης και υπολογιστικής όρασης. Τα μοντέλα θα εξετάζουν ορατές ενδείξεις όπως διάβρωση, διαρροές ή ίχνη λαδιού, φθορές στο σώμα του μετασχηματιστή και προβλήματα σε μονωτικά εξαρτήματα, εφόσον αυτά είναι ορατά στη λήψη.

Η πρωτότυπη διαδικτυακή εφαρμογή αναμένεται να παρουσιάζει τις εκτιμήσεις κατάστασης, τον βαθμό εμπιστοσύνης των μοντέλων και την αιτιολόγηση των αποτελεσμάτων. Η Softwire αναφέρει ότι θα εξεταστεί επίσης η επίδραση παραγόντων όπως ο φωτισμός, οι καιρικές συνθήκες, η τοποθεσία και η εποχικότητα. Αυτές οι μεταβλητές έχουν πρακτική σημασία: μια σκιά, η υγρασία, η απόσταση ή η μερική απόκρυψη ενός εξαρτήματος μπορούν να αλλάξουν την εικόνα που λαμβάνει το μοντέλο και να επηρεάσουν την ταξινόμηση.

Η αξιολόγηση δεν αφορά μόνο τον εντοπισμό μιας πιθανής φθοράς, αλλά και την αξιοπιστία κάθε πρόβλεψης. Η NGED προβλέπει σύγκριση των αποτελεσμάτων με επιτόπιες επιθεωρήσεις και την κρίση μηχανικών, καθώς και μέτρηση της απόδοσης με δείκτες precision, recall και F1 score.

Το ευρύτερο έργο PMT Scan της NGED

Η πρωτοβουλία εντάσσεται στο PMT Scan – Condition Monitoring of Pole Transformers της NGED, που χρηματοδοτείται από το Network Innovation Allowance της Ofgem. Η NGED δίνει διάρκεια Ιούλιος 2026–Μάρτιος 2027 και εκτιμώμενη δαπάνη 234.234 λιρών. Το ευρύτερο έργο προβλέπει σύγκριση εναέριων λήψεων με drone και ελικόπτερο ως προς την ποιότητα εικόνας, την πρακτικότητα, τον χρόνο και το κόστος.

Στόχος είναι οι αξιολογήσεις να μετατραπούν σε τυποποιημένα δεδομένα κατάστασης, σύμφωνα με τη μεθοδολογία Common Network Asset Indices Methodology (CNAIM). Το σχέδιο περιλαμβάνει πρότυπα λήψης, επισήμανση εικόνων, ανάπτυξη και επικύρωση μοντέλων και σύνδεση των αποτελεσμάτων με τις διαδικασίες διαχείρισης παγίων.

Τι μπορεί να αλλάξει στη συντήρηση δικτύων

Εφόσον αποδειχθεί αξιόπιστη, η μέθοδος μπορεί να βοηθήσει στην έγκαιρη αναγνώριση φθορών και στην ιεράρχηση συντήρησης. Η ανίχνευση διαρροών λαδιού έχει και περιβαλλοντική σημασία, ενώ η καλύτερη εικόνα των παγίων μπορεί να συμβάλει στον περιορισμό αστοχιών και απρογραμμάτιστων διακοπών.

Ωστόσο, η αυτοματοποίηση δεν ισοδυναμεί με αυτόνομη τεχνική απόφαση. Οι εικόνες αποτυπώνουν κυρίως εξωτερικά και ορατά χαρακτηριστικά, όχι κατ’ ανάγκη την εσωτερική κατάσταση ή τη λειτουργική συμπεριφορά του μετασχηματιστή. Τα αποτελέσματα χρειάζονται επικύρωση από μηχανικούς και συσχέτιση με τα υπόλοιπα διαθέσιμα δεδομένα του δικτύου. Επιπλέον, το ίδιο το έργο PMT Scan βρίσκεται σε πιλοτική φάση και δεν έχει ως στόχο την άμεση αντικατάσταση όλων των υφιστάμενων επιθεωρήσεων ή την καθολική εφαρμογή σε ολόκληρο τον στόλο παγίων.

Συμπέρασμα

Η συνεργασία Team UAV, Softwire και NGED δείχνει πώς η αξία ενός drone σε επιθεώρηση υποδομών δεν περιορίζεται στη λήψη εικόνων. Η τυποποιημένη συλλογή, η γεωγραφική σύνδεση των δεδομένων και η αξιολόγησή τους με μοντέλα υπολογιστικής όρασης δημιουργούν τις προϋποθέσεις για πιο συνεπή εικόνα της κατάστασης των δικτύων. Το κρίσιμο επόμενο βήμα είναι η τεχνική επικύρωση: να αποδειχθεί ότι οι ενδείξεις που αναγνωρίζει το AI συμφωνούν με την πραγματική κατάσταση των μετασχηματιστών και μπορούν να υποστηρίξουν ασφαλείς αποφάσεις συντήρησης.

Αναφορά Πηγής

Team UAV, ανακοίνωση για την ολοκλήρωση επιθεωρήσεων 500 μετασχηματιστών για την NGED (21.10.2026)· Softwire, παρουσίαση του πιλοτικού έργου AI με την NGED· National Grid Electricity Distribution, επίσημη περιγραφή του έργου PMT Scan – Condition Monitoring of Pole Transformers· ENA Innovation Portal, καταχώριση NGED_NIA_091.

Χρήσιμοι Σύνδεσμοι

• Team UAV – 500 Transformer Drone Inspections for National Grid

• Softwire – AI-powered drone inspections with NGED

• National Grid – PMT Scan: Condition Monitoring of Pole Transformers

Σχετικά Άρθρα

Camera & Mini Drones

Ποιότητα Αεροφωτογραφίας: ΠΡΟΚΛΗΣΗ ΣΤΟΝ ΑΕΡΑ

Αισθητήρας, φακός και δυναμική περιοχή: Τι καθορίζει πραγματικά την εικόνα ενός camera drone Η ποιότητα μιας αεροφωτογραφίας δεν εξαρτάται μόνο από τα megapixel ή την ένδειξη 4K. Το μέγεθος και η τεχνολογία του αισθητήρα, η δυναμική περιοχή, η οπτική του φακού και η δυνατότητα καταγραφής RAW ή 10-bit βίντεο καθορίζουν πόση πληροφορία διατηρείται για την τελική εικόνα. Τα φίλτρα ND βοηθούν στον έλεγχο της έκθεσης και της κίνησης, ιδιαίτερα σε drones με σταθερό διάφραγμα. Με λίγα λόγια • Το φυσικό μέγεθος του αισθητήρα επηρεάζει τη συνολική συλλογή φωτός και τις δυνατότητες σε χαμηλό φωτισμό, αλλά δεν αρκεί από μόνο του για να προβλέψει την ποιότητα. • Τα megapixel περιγράφουν την ανάλυση, όχι τη δυναμική περιοχή, τον θόρυβο ή την ποιότητα του φακού. • Η δυναμική περιοχή αφορά τη λεπτομέρεια που μπορεί να καταγραφεί ταυτόχρονα στις φωτεινές και στις σκοτεινές περιοχές. • Τα αρχεία RAW (DNG) και τα βίντεο 10-bit Log ή HLG προσφέρουν μεγαλύτερο περιθώριο επεξεργασίας, εφόσον υποστηρίζονται από το drone. • Τα φίλτρα ND

Διαβάστε περισσότερα
Creative Videos - Podcasts

Εξειδικευμένα Podcasts: ΓΝΩΣΗ ΣΤΟΝ ΑΕΡΑ

Podcasts για χειριστές drones: Η γνώση συνεχίζεται και μετά την πτήση Από την επιχειρηματική πλευρά των επαγγελματικών πτήσεων μέχρι τις τεχνικές του FPV, τα podcasts προσφέρουν εμπειρία και πρακτική γνώση. Δεν είναι, ωστόσο, όλα ενεργά σήμερα, και αρκετά αξίζουν κυρίως ως αρχεία επεισοδίων. Με λίγα λόγια Ένας χειριστής μπορεί να ενημερωθεί από εγχειρίδια, τεχνικά φόρουμ και εκπαιδευτικά σεμινάρια. Στα podcasts ακούει κάτι διαφορετικό, τον τρόπο με τον οποίο άλλοι επαγγελματίες προσεγγίζουν πραγματικά προβλήματα. Από την τιμολόγηση μιας υπηρεσίας και την οργάνωση μιας επιχείρησης μέχρι τη ρύθμιση ενός FPV σκάφους, οι εκπομπές που ακολουθούν καλύπτουν διαφορετικές πλευρές του ίδιου οικοσυστήματος. Χρειάζεται, όμως, να ξεχωρίζουμε τις ενεργές σειρές από τα παλαιότερα αρχεία, γιατί η ημερομηνία του τελευταίου επεισοδίου έχει σημασία όταν αναζητούμε επίκαιρη γνώση. Ask Drone U: Η επιχειρηματική και ρυθμιστική προσέγγιση Το Ask Drone U έχει καθιερωθεί ως μία από τις σταθερές παρουσίες στον χώρο των εξειδικευμένων εκπομπών για drones. Με οικοδεσπότες τους Paul Aitken και Rob Burdick, ακολουθεί τη μορφή

Διαβάστε περισσότερα
Τεχνολογία Drone & UAS

DJI Dock 4: ΑΥΤΟΜΑΤΗ ΑΛΛΑΓΗ ΜΠΑΤΑΡΙΑΣ

DJI Dock 4: Αλλαγή μπαταρίας σε λιγότερο από 25 δευτερόλεπτα για συνεχείς επιχειρησιακές πτήσεις Ο νέος αυτόνομος σταθμός της DJI συνεργάζεται με το Matrice 5TD και μειώνει τον χρόνο ανάμεσα σε δύο αποστολές, χάρη σε μηχανισμό αυτόματης αντικατάστασης μπαταρίας και γρήγορη μεταφορά δεδομένων. Με λίγα λόγια Το DJI Dock 4, που παρουσιάστηκε στις 14 Οκτωβρίου 2026, είναι ο πρώτος σταθμός drone–in–a–box της DJI με αυτόματη αλλαγή μπαταρίας. Η αντικατάσταση διαρκεί λιγότερο από 25 δευτερόλεπτα και ο συνολικός χρόνος από την προσγείωση έως την επόμενη απογείωση είναι κάτω από 45 δευτερόλεπτα σε ελεγχόμενες συνθήκες. Ο σταθμός έχει τέσσερις θέσεις, αλλά αποθηκεύει έως τρεις μπαταρίες. Συνεργάζεται με το Matrice 5TD, που διαθέτει θερμική κάμερα, LiDAR, ραντάρ mmWave και λειτουργίες AI. Από την προσγείωση στην επόμενη αποστολή Το βασικό χαρακτηριστικό του Dock 4 είναι ότι δεν περιμένει να επαναφορτιστεί η μπαταρία που μόλις χρησιμοποιήθηκε. Μετά την επιστροφή του Matrice 5TD, ο σταθμός αφαιρεί την εξαντλημένη μπαταρία και τοποθετεί μία φορτισμένη, ώστε το αεροσκάφος

Διαβάστε περισσότερα