論文の概要: Segmentation and Defect Classification of the Power Line Insulators: A Deep Learning-based Approach

• arxiv url: http://arxiv.org/abs/2009.10163v2
• Date: Thu, 15 Oct 2020 13:47:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 05:16:51.066818
• Title: Segmentation and Defect Classification of the Power Line Insulators: A Deep Learning-based Approach
• Title（参考訳）: 電力線絶縁体のセグメント化と欠陥分類:深層学習に基づくアプローチ
• Authors: Arman Alahyari and Anton Hinneck and Rahim Tariverdi and David Pozo
• Abstract要約: 2段階のモデルを導入し、絶縁体を背景から分離し、状態の分類を4つのカテゴリ、すなわち、健康、壊れ、焼かれた/焼かれた、そして不足したキャップに基づいて行う。 実験の結果, 提案手法は絶縁体の有効セグメンテーションを実現し, 複数種類の故障を検出する精度が高いことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Power transmission networks physically connect the power generators to the electric consumers. Such systems extend over hundreds of kilometers. There are many components in the transmission infrastructure that require a proper inspection to guarantee flawless performance and reliable delivery, which, if done manually, can be very costly and time consuming. One essential component is the insulator. Its failure can cause an interruption of the entire transmission line or a widespread power failure. Automated fault detection could significantly decrease inspection time and related costs. Recently, several works have been proposed based on convolutional neural networks, which address the issue mentioned above. However, existing studies focus on a specific type of insulator faults. Thus, in this study, we introduce a two-stage model that segments insulators from their background to then classify their states based on four different categories, namely: healthy, broken, burned/corroded and missing cap. The test results show that the proposed approach can realize the effective segmentation of insulators and achieve high accuracy in detecting several types of faults.
• Abstract（参考訳）: 送電網は発電装置を電気消費者に物理的に接続する。 このようなシステムは数百km以上伸びる。 トランスミッションインフラストラクチャには、不完全なパフォーマンスと信頼性の高いデリバリを保証するための適切な検査を必要とする多くのコンポーネントがあります。 重要な構成要素は絶縁体である。 その故障は送電線全体の中断または広範な停電を引き起こす可能性がある。 自動故障検出は検査時間と関連するコストを大幅に削減することができる。 近年、前述の問題に対処する畳み込みニューラルネットワークに基づくいくつかの研究が提案されている。 しかし、既存の研究は特定の種類の絶縁体断層に焦点を当てている。 そこで本研究では,インシュレータを背景からセグメンテーションし,健康的,破壊的,焼損/腐食,キャップ不足の4つのカテゴリに分類する2段階モデルを提案する。 実験結果から, 提案手法は絶縁体の有効セグメンテーションを実現し, 複数種類の故障検出において高い精度を達成できることが示唆された。

関連論文リスト

• XAI-guided Insulator Anomaly Detection for Imbalanced Datasets [11.215245485606369]
  電力網は多くの産業において重要な要素であり、産業プロセスや技術にシームレスに電気エネルギーを供給している。 ドローンは電力線を検査するためにますます配備され、その結果、高速で正確な処理を必要とする大量の視覚データの流れが生まれる。 ディープラーニング手法はこのタスクで広く普及し、障害検出において貴重な資産であることが証明されている。
  論文  参考訳（メタデータ） (2024-09-25T11:19:42Z)
• Fault Analysis And Predictive Maintenance Of Induction Motor Using Machine Learning [0.0]
  本稿では,誘導電動機故障の故障検出と分類のための機械学習モデルを提案する。 本研究の目的は、重要な電気成分を保護し、早期発見と診断による異常事象の進行を防止することである。 0.33HP誘導電動機のリアルタイムデータは、ニューラルネットワークのトレーニングとテストに使用される。
  論文  参考訳（メタデータ） (2024-09-16T02:37:07Z)
• 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)
• Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid [56.838297900091426]
  高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。 提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
  論文  参考訳（メタデータ） (2023-08-14T17:14:58Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• Domain Knowledge Aids in Signal Disaggregation; the Example of the Cumulative Water Heater [68.8204255655161]
  住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。 本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。 我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
  論文  参考訳（メタデータ） (2022-03-22T10:39:19Z)
• 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)
• Detecting and interpreting faults in vulnerable power grids with machine learning [3.29419980898768]
  未スケジュールの電力障害は、顧客とグリッドオペレータの両方に深刻な結果をもたらす。 本研究では,北極圏のノルウェー人コミュニティの電力網に焦点をあてる。 機械学習技術を用いて断層の発生を予測する。
  論文  参考訳（メタデータ） (2021-08-16T12:54:36Z)
• AdeNet: Deep learning architecture that identifies damaged electrical insulators in power lines [8.849159720632612]
  AdeNetは、損傷した絶縁体を識別するために設計されたディープニューラルネットワークです。 損傷した絶縁体のラインを監視するのに要する労力を削減できる。
  論文  参考訳（メタデータ） (2021-03-02T02:40:40Z)

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。