Identificación de fallas en los aisladores de una línea de transmisión mediante visión artificial.

Abstract

La presente investigación se basa en la identificación superficial de fallas de aisladores de porcelana de la línea de transmisión de 13.8 kV de las ciudades de Latacunga y Salcedo mediante visión artificial para conocer el estado de dichos elementos de una manera fácil y sencilla. Se inicio el desarrollo con una base de datos de 3000 imágenes de aisladores dividas en tres estados: sucios/flameados, rotos y en buen estado. Con dichas imágenes se procedió a entrenar a Yolo como algoritmo de identificación el cual se encuentra basado en redes neuronales, la identificación funciona tanto en tiempo real como en imágenes y videos pregrabados. Para que su manejo sea lo más sencillo posible, se realizó una interfaz gráfica con la finalidad de ser usado por un solo operario. Las pruebas de campo realizadas, demostraron que hay un gran porcentaje de aisladores que necesitan un mantenimiento dado que se encuentran rotos y/o sucios/flameados con un porcentaje del 50% de las muestras, adicionalmente el algoritmo posee una exactitud del 87.5% cuando trabaja en tiempo real, al aplicarlo a imágenes se obtuvo una exactitud de 94%, finalmente en videos pregrabados del 89%. En conclusión, es factible su implementación dentro de los planes de mantenimiento de las líneas de transmisión, disminuyendo los costos, dado que no es necesario contar con un carro grúa para la inspección, simplemente un operario que cuente con un dron y un computador personal para tomar la decisión de dar o no mantenimiento a los aisladores cerámicos.