L’accumulo di neve bagnata sui cavi della rete elettrica e il suo distacco dovuto a fenomeni esterni rappresentano una grave minaccia per la sicurezza e la continuità dell’approvvigionamento del servizio di rete.

Come fenomeni esterni, ad esempio, possiamo includere aumenti di temperatura, vento e gravità. Questo articolo presenta una soluzione di deep learning, basata su un’architettura ibrida U-Net, per il riconoscimento della formazione di manicotti di neve bagnata sulle linee elettriche aeree. Un modello di semantic segmentation è stato addestrato su una serie di immagini raccolte presso la stazione sperimentale chiamata Wetsnow Ice Laboratory Detection (WILD).

Lo scopo di questo lavoro è quello di rimuovere lo sforzo manuale attualmente richiesto nello studio delle immagini provenienti da WILD. A partire dal contenuto di questo lavoro, l’inferenza derivante dal modello di semantic segmentation sarà arricchita in futuro da ulteriori informazioni circa le dimensioni dell’area interessata e l’accrescimento nel tempo.

Tale approccio supporterà gli operatori durante il monitoraggio e la caratterizzazione dell’accrescimento dei manicotti di neve bagnata sui cavi conduttori.