論文の概要: Detection Method Based on Automatic Visual Shape Clustering for
Pin-Missing Defect in Transmission Lines
- arxiv url: http://arxiv.org/abs/2001.06236v1
- Date: Fri, 17 Jan 2020 10:57:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 12:54:51.058918
- Title: Detection Method Based on Automatic Visual Shape Clustering for
Pin-Missing Defect in Transmission Lines
- Title（参考訳）: 透過線におけるピンミス欠陥の自動形状クラスタリングに基づく検出法
- Authors: Zhenbing Zhao, Hongyu Qi, Yincheng Qi, Ke Zhang, Yongjie Zhai, Wenqing
Zhao
- Abstract要約: ボルトは送電線で最も多くのファスナーであり、分割ピンを失う傾向にある。
タイムリーかつ効率的なトラブルシューティングを実現するために,伝送線路のボルトの自動ピン欠落検出を実現する方法は難しい問題である。
本稿では、ピン欠落検出のためのAVSCNet(Automatic Visual Shape Clustering Network)と呼ばれる自動検出モデルを構築した。
- 参考スコア（独自算出の注目度）: 1.602803566465659
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bolts are the most numerous fasteners in transmission lines and are prone to
losing their split pins. How to realize the automatic pin-missing defect
detection for bolts in transmission lines so as to achieve timely and efficient
trouble shooting is a difficult problem and the long-term research target of
power systems. In this paper, an automatic detection model called Automatic
Visual Shape Clustering Network (AVSCNet) for pin-missing defect is
constructed. Firstly, an unsupervised clustering method for the visual shapes
of bolts is proposed and applied to construct a defect detection model which
can learn the difference of visual shape. Next, three deep convolutional neural
network optimization methods are used in the model: the feature enhancement,
feature fusion and region feature extraction. The defect detection results are
obtained by applying the regression calculation and classification to the
regional features. In this paper, the object detection model of different
networks is used to test the dataset of pin-missing defect constructed by the
aerial images of transmission lines from multiple locations, and it is
evaluated by various indicators and is fully verified. The results show that
our method can achieve considerably satisfactory detection effect.
- Abstract（参考訳）: ボルトは伝送線路で最も多数のファスナーであり、スプリットピンを失う傾向がある。
送電線におけるボルトの自動ピンミス欠陥検出を実現するには, 時間的かつ効率的なトラブルシューティングを実現することが困難であり, 電力系統の長期的な研究目標である。
本稿では,ピンミス欠陥検出のための自動視覚形状クラスタリングネットワーク(avscnet)と呼ばれる自動検出モデルを構築した。
まず, ボルトの視覚形状の教師なしクラスタリング法を提案し, 視覚形状の違いを学習可能な欠陥検出モデルの構築に適用した。
次に、3つの深い畳み込みニューラルネットワーク最適化手法がモデルで使用されている。
地域特徴に回帰計算と分類を適用して欠陥検出結果を得る。
本稿では,異なるネットワークの物体検出モデルを用いて,複数の位置からの伝送線路の空中画像によって構築されたピン欠落のデータセットを検証し,様々な指標を用いて評価し,完全検証する。
その結果,本手法は良好な検出効果が得られた。
関連論文リスト
- SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。
本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
論文 参考訳（メタデータ） (2024-07-23T20:34:23Z) - An Improved Anomaly Detection Model for Automated Inspection of Power Line Insulators [0.0]
電力系統の信頼性を確保するためには絶縁体の検査が重要である。
検査プロセスを自動化するために、ディープラーニングがますます活用されています。
本稿では,異常検出とオブジェクト検出の2段階的アプローチを提案する。
論文 参考訳（メタデータ） (2023-11-14T11:36:20Z) - Anomaly Detection in Automated Fibre Placement: Learning with Data
Limitations [3.103778949672542]
自動繊維配置における欠陥検出と局所化のための包括的枠組みを提案する。
我々のアプローチは教師なしのディープラーニングと古典的なコンピュータビジョンアルゴリズムを組み合わせる。
様々な表面の問題を効率よく検出し、訓練のために複合部品のイメージを少なくする。
論文 参考訳（メタデータ） (2023-07-15T22:13:36Z) - Anomaly Detection with Ensemble of Encoder and Decoder [2.8199078343161266]
電力網における異常検出は、電力系統に対するサイバー攻撃による異常を検出し、識別することを目的としている。
本稿では,複数のエンコーダとデコーダを用いて正規サンプルのデータ分布をモデル化し,新しい異常検出手法を提案する。
ネットワーク侵入と電力系統データセットの実験結果から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-03-11T15:49:29Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。
我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。
製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2022-06-23T14:16:30Z) - Improved Orientation Estimation and Detection with Hybrid Object
Detection Networks for Automotive Radar [1.53934570513443]
我々は,レーダに基づく物体検出ネットワークを改善するために,グリッドとポイントを併用した新しいハイブリッドアーキテクチャを提案する。
格子描画の前に、点の正確な相対位置を利用して、点ベースモデルが近傍の特徴を抽出できることが示される。
これは、次の畳み込み検出バックボーンに対して大きなメリットがある。
論文 参考訳（メタデータ） (2022-05-03T06:29:03Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳（メタデータ） (2022-01-20T06:36:35Z) - Reference-based Defect Detection Network [57.89399576743665]
最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。
第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。
本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
論文 参考訳（メタデータ） (2021-08-10T05:44:23Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳（メタデータ） (2021-02-27T03:17:20Z) - Auto-Classifier: A Robust Defect Detector Based on an AutoML Head [2.685668802278155]
畳み込みニューラルネットワークは従来の手法よりも優れた結果が得られることを示す。
また、Auto-Classifierは、全データセットの100%精度と100%AUC結果を達成することで、他のすべてのメソッドよりも優れた性能を示すことを示す。
論文 参考訳（メタデータ） (2020-09-03T10:39:02Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2020-03-24T08:26:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。