Q80222 (Q80222): Difference between revisions
Jump to navigation
Jump to search
(Removed claim: financed by (P890): European Union (Q1)) |
(Changed an Item) |
||
| Property / financed by | |||
| Property / financed by: European Union / rank | |||
Normal rank | |||
| Property / financed by | |||
| Property / financed by: Directorate-General for Regional and Urban Policy / rank | |||
Normal rank | |||
Revision as of 16:30, 8 February 2020
Project in Poland financed by DG Regio
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | No label defined |
Project in Poland financed by DG Regio |
Statements
8,682,391.89 zloty
0 references
12,402,373.75 zloty
0 references
2,976,569.6999999997 Euro
0.24 Euro
13 January 2020
0 references
70.01 percent
0 references
1 February 2019
0 references
31 January 2022
0 references
ENPROM SPÓŁKA Z OGRANICZONA ODPOWIEDZIALNOŚCIĄ
0 references
50°8'6.0"N, 19°37'55.2"E
0 references
Projekt polega na stworzeniu systemu służącego do monitorowania prac modernizacyjnych na istniejącej infrastrukturze krytycznej w zakresie sieci elektroenergetycznych. Raportowanie będzie oparte na danych zbieranych z nalotów dronami. Dokładność zbieranych danych będzie dopuszczalna na poziomie ok. 1 centymetra dla większych elementów, takich jak fundamenty, przewody, haki. Samo zasilanie danych przez drony będzie realizowane za pomocą fotogrametrii i/lub przy użyciu skanera laserowego (obejmuje multiskanowanie). W wyniku prac badawczych zostanie opracowany system automatycznego pozycjonowania się i robienia zdjęć przez drony. Zebrane dane będą poddawane obróbce cyfrowej i analitycznej z wykorzystaniem algorytmów sztucznej inteligencji i uczenia maszynowego (ang.: machine learning, ML), takich jak np. systemy regułowe i sieci neuronowe ze splotem (ang.: convolutional neural networks, CNN). Rozwiąznie umożliwi zwiększenie niezawodności (bezpieczniejsza i mniej awaryjna praca systemu elektroenergetycznego), przewidywanie na bazie analizy wpływu rozwiązań projektowych na ich żywotność (badanie starzenia się poszczególnych elementów linii), a także szybsze usuwanie awarii (gromadzenie danych jakościowych na temat istniejących linii) Przetwarzane dane pozwolą oszacować pracochłonność oraz postęp prac, w tym identyfikację poszczególnych obiektów. Algorytm wykorzysta mechanizmy reguły uczenia się sieci, co przełoży się na klasyfikację identyfikowanych obiektów różniących się między sobą w zdefiniowanym zakresie odchyłu od obiektu wzorcowego. Przeznaczenie_pomocy_publicznej: art. 25 rozporządzenia KE nr 651/2014 z dnia 17 czerwca 2014 r. uznające niektóre rodzaje pomocy za zgodne z rynkiem wewnętrznym w stosowaniu art. 107 i 108 Traktatu (Dz. Urz. UE L 187/1 z 26.06.2014). (Polish)
0 references
Identifiers
POIR.01.02.00-00-0307/17
0 references