Industria    Infraestructuras

Cómo ‘aterrizar’ los drones en la realidad de su uso industrial

Atos, Ferrovial y Aerotools desarrollan el proyecto E-Fly para inspección de infraestructuras críticas con dispositivos voladores no tripulados, edge y cloud computing

25 JUL. 2019
11 minutos
Experto de Atos en la presentación de E-Fly. / INNOVADORES

El proyecto E-Fly podría definir su objetivo como el intento de 'aterrizar drones en la realidad', para convertirlos en herramientas de eficiencia, seguridad y ahorro de costes, aplicados en este caso a la inspección de infraestructuras críticas. Se trata de un proyecto liderado por Atos España, con Ferrovial Servicios y FBK como socios, la participación de Aerotools, como experta en drones, y con apoyo financiero europeo a través de EIT Digital.

Una descripción más formal del proyecto señala que su propósito es "combinar los drones con tecnología de edge cloud computing, para mejorar la inspección de infraestructuras", según Ana Juan Ferrer, jefa del laboratorio Next Generation Cloud de Atos Research and Innovation.

La idea es "aprovechar la capacidad de computación" que se puede instalar en algunos UAVs (drones), para hacer una primera inferencia de los datos que recolectan, esencialmente con visión computacional de las imágenes que captan y procedimientos de deep learning mientras realizan los vuelos de inspección. "Un dron puede generar 150 terabytes en un día", concreta Ana Juan Ferrer. Hacer el primer análisis en el aparato significa disminuir el uso de comunicaciones para transmitir datos (no es imprescindible enviar todas las imágenes que va captando) y acelerar los resultados, acercándose a tener la información en tiempo real.

Si no es posible añadir esa capacidad de computación en el propio dispositivo -por razones que se explican a continuación-, la alternativa es recurrir al edge computing, ejecutando el análisis y primer almacenamiento de los datos en nodos de proximidad, en vez de transportarlos al núcleo de la nube.

El proyecto E-Fly está se está desarrollando su prototipo sobre el terreno en torno a gasoductos de cuya vigilancia y mantenimiento se ocupa Ferrovial Servicios.

¿Cuáles son las razones que dificultan extremadamente ese propósito de poner la IA en el propio dron…? Pecata minuta: el tamaño y el peso del dispositivo, la autonomía de vuelo, las comunicaciones y la carga de las normativas y regulaciones que gravitan sobre el aparato. "Parece que con un dron todo es fácil, como con la inteligencia artificial, pero…", advierte Miguel Rosa, CEO de Aerotools, que aporta al proyecto su experiencia de seis años de trabajo con UAVs, de los que maneja tres tipos con diseño propio de personalización, con multirrotores o ala fija.

El primer inconveniente surge por las limitaciones que impone la actual reglamentación de vuelo española (promulgada en julio de 2014 y "mejorada" en diciembre de 2017), que invitan a manejar aparatos de apenas dos kilogramos, para disponer de un poco más de margen de maniobra operativa. Esto pone coto a los sensores que se pueden embarcar. Un dron los puede usar dispositivos IoT de diversos tipos: cámaras, visores térmicos, sensores multiespectrales, GPS y hasta un tipo de lídar. Pero cualquiera de ellos supone peso y consumo de energía, lo que reduce la autonomía de vuelo.

Aun así, Rosa estima que la metodología puede suponer una gran ventaja, en costes y ahorro de tiempo, sobre las inspecciones hechas a pie. Duda, en cambio, de que por ahora mejore las realizadas con helicópteros, que pueden transportar un lídar de alta precisión. Aunque en este caso, con mayor coste.  

Otra cuestión son los requerimientos de pilotaje. La normativa impone la presencia de un piloto certificado, que en un dron de tamaño reducido no exige que tenga una titulación de alto nivel. Los vuelos, con la tecnología actual podrían automatizarse casi por completo, pero la normativa exige un piloto. Rosa aclara a INNOVADORES que, para la operativa normal, suele ser necesario tener a dos personas sobre el terreno para gestionar las operaciones de vuelo, revisión y recarga de la batería. La tendencia es a que pueda bastar con solo una.

Se plantean dos posibilidades de vuelo para UAV, según el tipo de infraestructuras que se pretenda inspeccionar. Para una infraestructura lineal, del tipo que definiría un gasoducto o una línea eléctrica, se puede plantear un vuelo BVLOS, en el que el dispositivo se desplaza más allá de la vista del piloto. Puede tener un radio de acción de unos 500 metros, aunque esto plantea cuestiones técnicas relacionadas con el alcance de las comunicaciones. "Con el 4G y el futuro 5G se puede hacer bien", dice Rosa.

La otra opción es el vuelo VLOS sobre infraestructuras localizadas que, por otra parte, pueden suponer un entorno más complicado, como sería un viaducto o una planta solar, en los que se revisa el estado de conservación de los pilares de hormigón o de los paneles solares expuestos, por ejemplo, a la arena del desierto.

En el caso del proyecto E-Fly, se trata de gestionar datos de alerta temprana: detectar lo antes posible "anomalías" como posibles fugas de gas, incendios en proximidad que puedan amenazar al gasoducto, movimientos geológicos (que se perciben a través de la presencia de hitos, postes fijos de señalización), estado de árboles y vegetación cercanos e intrusiones de personas o vehículos (hay una zona de exclusión de 25 metros por cada lado de la tubería).

La propia Ferrovial tiene ya experiencia en el uso de drones para inspección y vigilancia de determinadas infraestructuras, según detalla Cristina Aragón, project manager de innovación. Los están aplicando en carreteras, taludes (para controlar riesgos de deslizamientos), líneas eléctricas, intrusiones de otros drones y control de aves en zonas de aeropuertos. 

Para este proyecto concreto, José Ramón Martínez-Salio, investigador de tecnologías en Atos, plantea el uso de técnicas de modelización del terreno con una imagen limpia, una "tira en 3-D", construida sumando imágenes cenitales con telemetría y GPS, para tener frames con referencias geolocalizadas. Esto permite establecer comparaciones del estado puntual "por sustracción o deep learning", que da resultados "tan buenos como el lídar". De momento, para el piloto que se está desarrollando, utilizan terrenos colindantes al gasoducto, falsos hitos añadidos e incluso zonas pintadas para simular incendios.

La etapa de pruebas se va a usar para probar distintas posibilidades de computación embarcada en los drones, con Raspberry Pi o Intel Movidius, empezando con un Intel Neural Compute Sitck 2, pese a que Martínez-Salio admite que "son tecnologías todavía no maduras", en las que cree que hay que empezar a apostar porque sí lo estarán en un par de años. Habrían deseado disponer de imagen en tiempo real, pero no es razonable, dada la limitación de tamaño de los drones implicados en la operativa.

La mayor dificultad para usar deep learning en este proyecto radica en "la falta de datos, para hacer el entrenamiento del sistema. No hay imágenes de incendios o fugas de gas", que puedan utilizarse. Para otro tipo de detecciones, como personas, vehículos, vegetación, hitos movidos o deteriorados, se pueden usar soluciones técnicas de análisis IA ya estandarizadas.