Development of Artificial Intelligence Techniques for Automated Electric Power Asset Identification

传统的电气工程仍然依赖于基于人工分析照片和图纸的工作方法，这种方法可能很慢，而且容易出现人为错误。我们希望将新的人工智能（AI）和机器学习（ML）技术应用于经典电气工程领域，以促进电气图纸和电气设备照片的解释。随后，对这些信息的解释将使建立计算模型成为可能，从而加快进行短路和电弧闪光研究时所需的人工工作，同时降低过程中人为错误的风险。该项目的第一个目标是检测电气工程师在工厂或工业和商业建筑等场所进行现场调查时拍摄的照片中的保险丝类型（制造商，类型，风格和等级）。为此，从合作伙伴组织以前执行的项目和网络（谷歌Images）中收集的保险丝成像数据将用于训练目标检测算法，主要来自卷积神经网络家族。该项目的第二个目标是检测电气图纸上的电气设备符号（熔断器、断路器、变压器、电机等），检测与每个符号相关的描述性文本和信息，检测符号之间的联系，并自动创建可导入电力系统研究软件的计算模型。这种自动化将带来更高的准确性，并减少解释电气装置调查所需的时间，从而提高电气工程师的工作效率和有关电气装置的公共安全。它还将为该研究项目的加拿大工业合作伙伴提供这种基于人工智能的新技术，这将提高他们在大型项目的国际市场上的竞争力，例如在国外建造新的水坝或变电站。#(cr)#(lf)L' ingsamnierie samtrique classique repose toujours sur des msamthodes de travail bassames sur L 'analyse manuelle de photos et de plans, qui pevent être lentes et sujettes ll 'erreur humanine。新技术的应用，智能人工（IA）和学徒机器的领域，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的，所有的。例如，在整个过程中，所有的数据都是基于数据的，所有的数据都是基于数据的，所有的数据都是基于数据的，所有的数据都是基于数据的，所有的数据都是基于数据的，所有的数据都是基于数据的。勒总理目的de这个项目血清de探测勒德易熔型规程(制造者、类型、样式等口径)苏尔des照片多项标准des ingenieur规程当时de地形de网站在运输、des lieux des强或者des batiments industriels commerciaux。À et effet et effects, des photos de fuisbles samubles，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers，收集samubers。第二个目的de这个项目血清de探测les象征des设备规程苏尔les计划规程(易熔,disjoncteurs transformateurs,分部,等等),探测勒对于descriptif et莱斯信息它们每一作品喻示,探测les留置权之间符号等使自动化la创造de模型计算,peuvent可能进口在研究软件de reseaux规程。小型自动化装置，加上大型的电子通讯装置，如电子通讯装置、电子通讯装置、电子通讯装置、电子通讯装置、电子通讯装置、电子通讯装置、电子通讯装置等

Classical electrical engineering still relies on working methods based on the manual analysis of photos and drawings, which can be slow and prone to human errors. We wish to apply new artificial intelligence (AI) and machine learning (ML) technologies to the field of classical electrical engineering in order to facilitate the interpretation of electrical drawings and photos of electrical equipment. Subsequently, the interpretation of this information would make it possible to build calculation models to accelerate the manual work required when performing short-circuit and arc-flash studies, while at the same time reducing the risk of human error in the process.The first goal of this project will be to detect the type of electrical fuses (manufacturer, type, style, and rating) in photos taken by electrical engineers during site surveys in places such as factories or industrial and commercial buildings. For this purpose, imaging data of electrical fuses collected from previous projects performed by partner organizations and from the web (Google Images) will be used to train object detection algorithms, mainly from the convolutional neural network family. The second goal of this project will be to detect electrical equipment symbols on electrical drawings (fuses, breakers, transformers, motors, etc.), detect the descriptive text and information related to each symbol, detect the links between symbols and automate the creation of calculation models that can be imported in power system studies software.This automation will bring greater accuracy and decrease the time needed to interpret surveys of electrical installations, thus increasing the efficiency of the electrical engineer's work and public safety regarding electrical installations. It will also provide access to this new technology based on artificial intelligence to the Canadian industrial partners of this research project, which will improve their competitivity in the international markets for large-scale projects, such as the construction of new power dams or electrical substations in foreign countries.#(cr)#(lf)L'ingénierie électrique classique repose toujours sur des méthodes de travail basées sur l'analyse manuelle de photos et de plans, qui peuvent être lentes et sujettes à l'erreur humaine. Nous souhaitons appliquer les nouvelles technologies d'intelligence artificielle (IA) et d'apprentissage machine au domaine de l'ingénierie électrique classique afin de faciliter l'interprétation des plans électriques et des photos d'équipements électriques. Par la suite, l'interprétation de ces informations permettrait de construire des modèles de calcul pour accélérer le travail manuel requis lors de la réalisation des études de court-circuit et d'arc électrique, tout en réduisant le risque d'erreur humaine dans le processus. Le premier objectif de ce projet sera de détecter le type de fusibles électriques (fabricant, type, style et calibre) sur des photos prises par des ingénieurs électriques lors de relevés de site dans des lieux tels que des usines ou des bâtiments industriels et commerciaux. À cet effet, des photos de fusibles électriques collectées lors de précédents projets réalisés par un partenaire industriel et des photos provenant du Web (Google Images) seront utilisées pour former des algorithmes de détection d'objets, principalement issus de la famille des réseaux de neurones à convolution. Le deuxième objectif de ce projet sera de détecter les symboles des équipements électriques sur les plans électriques (fusibles, disjoncteurs, transformateurs, moteurs, etc.), détecter le texte descriptif et les informations liées à chaque symbole, détecter les liens entre les symboles et automatiser la création de modèles de calcul qui peuvent être importés dans un logiciel d'études de réseaux électriques. Cette automatisation apportera une plus grande précision et réduira le temps nécessaire pour interpréter les relevés des installations électriques, augmentant ainsi l'efficaci