Système de réalité augmentée pour la détection et l’analyse temps-réel d’équipement de réseau électrique

Beaudoin, Olivier (2020). Système de réalité augmentée pour la détection et l’analyse temps-réel d’équipement de réseau électrique. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (2MB) | Prévisualisation
Prévisualisation	PDF Télécharger (384kB) | Prévisualisation

Résumé

Le réseau de distribution d’électricité d’Hydro-Québec vieillit et requiert de plus en plus de maintenance. À la suite d’une opération de grande envergure d’inspection des poteaux et transformateurs de son réseau, Hydro Québec a établi une banque d’images semi-annotées contenant des exemples de poteaux et transformateurs en bon et en mauvais état. Dans le but d’automatiser l’inspection visuelle des équipements de son réseau, un modèle intelligent sera construit à l’aide de réseaux neuronaux. Ce modèle a pour tâche de reconnaître certains éléments du réseau (poteau, transformateur) et de donner une cote d’état à ceux-ci. De plus, le modèle doit également lire les plaques signalétiques LCLCL afin d’effectuer la correction d’une autre base de données. Ce modèle peut être exécuté localement sur un appareil mobile Android ou à distance, sans impact sur sa performance. L’appareil mobile Android fournit les données GPS et données de l’accéléromètre pour augmenter la qualité des détections du modèle.

Les segmentations extraites sont analysées afin de déduire une cote d’état selon le type d’équipement. Les poteaux sont cotés primairement selon l’angle et les transformateurs selon la présence ou non d’une fuite d’huile. Si l’un de ces deux indicateurs est détecté par l’application, le technicien effectue une inspection détaillée pour potentiellement déceler d’autres problématiques.

La base de données géo-référencées des utilitaires d’Hydro-Québec contient des erreurs de positionnement, de type d’équipements et d’inscription. L’application mobile effectue la lecture de la plaque LCLCL apposée au poteau et utilise les données GPS de l’appareil pour effectuer une recherche dans la base de données actuelle. Dans un cas où les coordonnées GPS ou la séquence de lettres et chiffres diffèrent de ce que la base de données contient, le technicien a la possibilité d’émettre une correction.

L’utilisation de données synthétiques a permis de faire certaines avancées dans la recherche mais s’avère problématique pour les scénarios plus complexes. Le manque de données étiquetées pousse vers l’utilisation de réseaux adversaires pour améliorer la génération des données synthétiques, automatiser l’étiquetage et plus encore.

Titre traduit

Augmented reality system for real-time detection and analysis of electrical equipment

Résumé traduit

Hydro-Québec’s electricity distribution network is aging and requiring more and more maintenance. Following a large-scale inspection of the utility poles and transformers in its network, Hydro-Québec has established a semi-annotated image bank containing examples of poles and transformers in good and bad condition. In order to automate the visual inspection of equipment in its network, an intelligent model will be built using neural networks. The task of this model is to recognize certain elements of the network (pole, transformer) and to give a status rating to them. In addition, the model must also read LCLCL nameplates in order to perform the correction of another database. This model can be run locally on an Android mobile device or remotely, without affecting its performance. The Android mobile device provides GPS data and accelerometer data to increase the quality of model detections.

The extracted segmentations are analyzed in order to deduce a status rating according to the type of equipment. The poles are rated primarily according to the angle and the transformers according to the presence or not of an oil leak. If one of these two indicators is detected by the application, the technician performs a detailed inspection to potentially detect other problems.

The geo-referenced database of Hydro-Québec utilities contains errors about positioning , type of equipment and registration. The mobile application reads the LCLCL plate affixed to the pole and uses the GPS data of the device to search the current database. In a case where the GPS coordinates or the sequence of letters and numbers differ from what the database contains, the technician has the possibility of issuing a correction.

The use of synthetic data has made it possible to make some progress in research but is problematic for more complex scenarios. Lack of tagged data pushes towards using adversary networks to improve generation of synthetic data, automate tagging and more.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l’École de technologie supérieure comme exigence partielle à l’obtention de la maîtrise avec mémoire en génie des technologies de l’information". Comprend des références bibliographiques (pages 59-61).
Mots-clés libres:	apprentissage-machine, réseau de neurones, données synthétiques, android
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Desrosiers, Christian
Codirecteur:	Codirecteur Vouligny, Luc
Programme:	Maîtrise en ingénierie > Génie des technologies de l'information
Date de dépôt:	06 nov. 2020 19:18
Dernière modification:	06 nov. 2020 19:18
URI:	https://espace.etsmtl.ca/id/eprint/2571

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt