L’importance de ce projet
La transition énergétique exige une infrastructure de réseau à haute disponibilité et sûre. Les processus d’inspection classiques sont coûteux en temps et en argent. Avec la Smart Image Database, Swissgrid développe une solution qui analyse de manière automatisée l’état des lignes aériennes et crée ainsi la base pour des cycles d’entretien optimisés et une durée de vie prolongée. Le projet renforce également la coopération internationale: dans le cadre d’un Proof of Concept intersectoriel, il montre comment des pools de données communs et des technologies d’IA peuvent accélérer la numérisation de la maintenance.
Projet
Défi
L’inspection de lignes aériennes est un processus à la fois complexe et coûteux. Des expert(e)s spécialisé(e)s doivent examiner manuellement des milliers d’images afin d’identifier des dommages tels que la corrosion ou la fatigue des matériaux, un travail chronophage qui mobilise de précieuses ressources. L’objectif est d’assurer une maintenance efficace du réseau.
La dépendance vis-à-vis d’analyses externes et la lenteur de l’évaluation manuelle freinent la numérisation de la maintenance. Cela comporte des risques: plus les dommages sont détectés tardivement, plus les coûts subséquents sont élevés et plus la sécurité d’approvisionnement est menacée.
Solution
L’objectif consiste à automatiser plutôt qu’à contrôler manuellement – dans la mesure où l’état de la technique le permet. La Smart Image Database est au cœur de cette innovation. Grâce à une approche exploratoire, elle met en place une base de données d’images complète pour les composants des lignes aériennes et développe des modèles d’IA qui détectent de manière automatisée les dommages et les anomalies. Les images présentées sont issues de survols aériens effectués avec des drones dans le cadre du projet MIDAS, au cours desquels les composants des lignes aériennes sont systématiquement enregistrés et documentés. Ces images servent de matériel d’exemple.
- Banque d’images commune: Les données d’images enregistrées des composants des lignes aériennes servent de base à des analyses basées sur l’IA.
- Entraînement IA: Les modèles d’IA sont entraînés et donc développés de manière à détecter automatiquement les dommages et les anomalies.
Avantages et résultats
Grâce à la détection accélérée des dommages et à une vaste base de données standardisée, les coûts sont réduits et la qualité est améliorée. La Smart Image Database numérise la maintenance et réduit la dépendance vis-à-vis de prestataires de services externes. Cette approche collaborative se traduit par une inspection du réseau assistée par l’IA en tant que service, qui renforce la sécurité d’approvisionnement et prolonge la durée de vie de l’infrastructure. Elle s’adresse aux spécialistes de l’entretien, de l’inspection et de la maintenance chez les gestionnaires de réseau de transport et de distribution.
État actuel du projet/perspectives
Le projet s’étend de juin 2023 à août 2026 et se trouve actuellement dans la phase de développement et d’optimisation. Après la création des premières structures de base de données et le développement et l’optimisation des modèles d’IA, l’accent est actuellement mis sur l’utilisation et l’extension des données d’images synthétiques afin d’améliorer encore la détection des dommages. Fin 2025, toutes les images pertinentes ont été collectées, classées par ordre de priorité et dotées d’étiquettes appropriées, les enregistrements de données étant continuellement complétés par des images de synthèse. Depuis janvier 2026, le développement, l’entraînement et la validation des nouveaux modèles d’IA sont en cours. L’ensemble de l’optimisation du modèle est planifié de manière à être achevé en août 2026.
La collaboration avec des partenaires et la gestion de projet flexible assurent un développement continu et une grande capacité d’innovation. Avec des résultats visibles: MainDays, une plateforme pour les innovations et les bonnes pratiques dans le domaine de la maintenance, a décerné en 2024 le «MAINTAINER – Prix spécial» pour l’innovation au projet d’IA «Smart Image Database».
