Joakim opettaa tietokonetta näkemään sähköverkon komponentit

Joakim Lyyski on viime kuukaudet tehnyt Evisionille diplomityötä, joka valmistui aivan äskettäin. Hän aloitti opiskelut Aalto-yliopistossa vuonna 2016, jossa hän suorittaa Master’s Programme in Advanced Energy Solutions -ohjelmaa.

– Minua on aina kiinnostanut energia-ala ja etenkin sähköntuotanto ja -siirto. Energia-alan muutos kohti uusiutuvia energiamuotoja on myös kasvattanut kiinnostustani alaa kohtaa, sillä nyt kehitetään uutta, eikä vain pysytä vanhoissa totutuissa toimintatavoissa.

Joakim löysi netistä ilmoituksen, jossa haettiin diplomityöntekijää selvittämään mahdollisuuksia droneilla tehtäviin kunnossapitotarkastuksiin, joissa analysoidaan still-kuvia koneoppivilla algoritmeilla.

– Aiheenani työssä oli selvittää, miten konenäköä voitaisiin hyödyntää keskijänniteverkkojen ennakoivassa kunnossapidossa. Miten ja millä kohteentunnistusalgoritmeilla verkoista otetuista kuvista voitaisiin poimia tutkittavat kohteet ja ovatko ne ylipäätänsä tarpeeksi tarkkoja, jotta niiden käytöstä olisi hyötyä kunnossapitotoiminnassa.

Potentiaalia kunnossapitotoiminnan tehostamiseen

Tätä kehitystyötä Joakim vei eteenpäin, ja tutkimustulokset osoittivat, että potentiaalia löytyy.

– Työssäni havaitsin, että algoritmeja voidaan käyttää komponenttien poimimiseen verkoista otetusta kuvamateriaalista. Tämä antoi pohjan luokittelulle. Sillä kohde täytyy ensiksi havaita ennen kuin sen kuntoa voidaan arvioida. Opetettujen algoritmien avulla voidaan myös kerätä tehokkaasti dataa komponenttien kunnosta, mitä tarvitaan kohteiden kuntoa arvioivien algoritmien opetuksessa. Koneoppimista hyödyntävä tarkastus valokuvista mahdollistaa myös materiaalin keräyksen dronejen avulla helikoptereiden sijaan, mikä on huomattavasti ympäristöystävällisempi vaihtoehto.

– Tällä hetkellä KJ-verkkojen kunnossapitotarkastukset tehdään silmämääräisesti helikopterin kyydistä. Tätä voitaisiin tehostaa valokuviin pohjautuvalla tarkastuksella konenäköä hyödyntäen. Tällöin verkon tarkastus ei riipu vain silmämääräisestä tarkastuksesta vaan sen tukena on myös koneoppimiseen perustuvaa tarkastusta.