La iniciativa Aztertuz avanza en la investigación de nuevas tecnologías de inspección basadas en dronótica y deep learning para la automatización del diagnóstico y mantenimiento de infraestructuras energéticas. En este contexto, Tecnalia desarrolla soluciones industriales que combinan sistemas dronóticos, visión artificial y algoritmos de deep learning para optimizar el proceso de inspección, automatizar la detección de anomalías y mejorar el mantenimiento y conservación de elementos críticos de las infraestructuras eléctricas.
La inspección y mantenimiento de infraestructuras eléctricas plantea importantes desafíos: la dificultad de acceso a determinadas zonas, la exposición a entornos hostiles, el riesgo para los operarios y la complejidad de los propios sistemas, que dificulta la gestión de la información y la toma de decisiones. Estas condiciones suponen una barrera para la identificación y evaluación precisa de posibles puntos de fallo, que permitirían anticiparse a interrupciones del servicio.
Detección automática de defectos visibles y puntos calientes
En el marco del proyecto Aztertuz, Tecnalia está desarrollando soluciones industriales que combinan sistemas dronóticos, visión artificial y deep learning, con el fin de optimizar el proceso de inspección, reducir riesgos y mejorar el mantenimiento de elementos críticos.
En colaboración con I-DE, se está desarrollando una aplicación específica para la inspección de líneas eléctricas, que automatiza la detección de anomalías en la red y temperaturas elevadas inadecuadas. Esta solución consiste en un sistema integral que realiza un barrido aéreo de las líneas mediante un dron autónomo equipado con sistemas de captura de imagen, cámaras termográficas y tecnología LiDAR.
A través de esta tecnología, se detectan de forma automática defectos visibles y puntos calientes. Gracias a algoritmos de deep learning, es posible determinar distancias reglamentarias y generar un registro trazable de las anomalías detectadas. De este modo, además de reducir la exposición de personas a zonas peligrosas, se obtiene información más completa y precisa para la toma de decisiones, eliminando a su vez las emisiones de CO₂ asociadas a métodos tradicionales como la inspección con helicópteros.