Společnost E.ON už vloni provedla test několika dronů v terénu. Cílem bylo ověřit jejich přínos v rámci inspekce stožárů velmi vysokého napětí (VVN). Ty bývají jak logisticky, tak technicky obtížně dostupné. Jejich lezecká inspekce s sebou vždy nese riziko úrazu nebo zemědělské škody. Proto je zde využití dronů více než vítané. Nejdříve bylo nutné si u techniků osvojit průběh fyzické kontroly, který operátoři následně zopakovali letecky. Stěžejním bodem testování bylo letecké snímání a odhalení škály nasimulovaných závad pomocí fullHD záznamu. Ten technik s pomocí odpovídajícího softwaru analyzuje a označí případné nedostatky, na nichž se bude dále pracovat. Nejvyšší hodnocení získal systém DJI s1000 se zrcadlovkou Panasonic GH4. Letos firma reálně využívá dron ve spolupráci s regionálními správami pro letecké inspekce a namátkové kontroly při přejímkách nově vystavěných linek VVN. Zkoumá také možnosti využití dronu v termografii fotovoltaických elektráren. Zde chce získat know-how k nezávislé expertize vyhodnocení termografického záznamu. Management firmy si uvědomuje, že obě testované aplikace (inspekce stožárů VVN a termografie FVE) z pohledu konečné podoby využití dronů nic v zásadě nového nepřináší. Proto oslovil odborníky z ČVUT, kteří pomáhají projekt dronů dále rozvíjet. Snímkování a termografie prováděná dronem je totiž zatím manuální, repetitivní činnost by firma ráda automatizovala. Autonomním snímáním lze získat konstantní obrazový výstup. Ten se následně využije pro strojovou detekci závad. Dodáním 3D modelů stožárů do analytického softwaru se dronu umožní vyhodnocovat odchylky a detekovat technické závady na konstrukci (ohlé nosníky) už za letu. V dalším kroku se tento údaj přenáší jako zjištění do GIS/SAP, čímž nález vstupuje jako datová položka do podnikového systému Business Intelligence, kde zefektivňuje celý proces plánování údržby. S dronem jsou energetici schopni vytvořit 3D snímek ochranného pásma vedení, do něhož lze dodat data o zastoupení vegetace, její růstový potenciál s ohledem na historické údaje o počasí doplněné o predikce, modelovat rychlost zarůstání koridoru a efektivně plánovat jeho údržbu. Všechna tato témata jsou v současnosti plně realizovatelná a pro některá již existují i vyřešené úlohy. S odborníky se už neprobírají možnosti realizace, ale čistě ekonomický charakter automatizace. Finanční přínos a právní prostředí ČR jsou totiž hlavní brzdy pro zcela autonomní lety. Logickým krokem vpřed jsou v tomto projektu implementace machine learningu a automatizace. /pl/
