論文の概要: Wind Turbine Blade Surface Damage Detection based on Aerial Imagery and VGG16-RCNN Framework

• arxiv url: http://arxiv.org/abs/2108.08636v1
• Date: Thu, 19 Aug 2021 12:00:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-20 21:39:24.939804
• Title: Wind Turbine Blade Surface Damage Detection based on Aerial Imagery and VGG16-RCNN Framework
• Title（参考訳）: 航空画像とvgg16-rcnnフレームワークによる風車翼表面損傷検出
• Authors: Juhi Patel and Lagan Sharma and Harsh S. Dhiman
• Abstract要約: 風車翼面損傷検出のための画像解析に基づくディープラーニングフレームワークを提案する。 このアプローチはマルチクラスの教師付き学習問題としてモデル化されており、畳み込みニューラルネットワーク(CNN)、VGG16-RCNN、AlexNetなどのディープラーニング手法がテストされている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this manuscript, an image analytics based deep learning framework for wind turbine blade surface damage detection is proposed. Turbine blade(s) which carry approximately one-third of a turbine weight are susceptible to damage and can cause sudden malfunction of a grid-connected wind energy conversion system. The surface damage detection of wind turbine blade requires a large dataset so as to detect a type of damage at an early stage. Turbine blade images are captured via aerial imagery. Upon inspection, it is found that the image dataset was limited and hence image augmentation is applied to improve blade image dataset. The approach is modeled as a multi-class supervised learning problem and deep learning methods like Convolutional neural network (CNN), VGG16-RCNN and AlexNet are tested for determining the potential capability of turbine blade surface damage.
• Abstract（参考訳）: 本稿では,風車翼表面損傷検出のための画像解析に基づく深層学習フレームワークを提案する。 タービン重量の約3分の1を積んだタービンブレードは損傷を受けやすく、グリッドに接続された風力変換システムの突然の故障を引き起こす。 風力タービンブレードの表面損傷検出には、早期に損傷の種類を検出するために大きなデータセットが必要である。 タービンブレードの画像は空中画像で撮影される。 検査の結果,画像データセットは限られていたため,ブレード画像データセットを改善するために画像拡張が適用された。 このアプローチはマルチクラス教師付き学習問題としてモデル化され、コンボリューションニューラルネットワーク(cnn)、vgg16-rcnn、alexnetなどのディープラーニング手法がタービン翼表面損傷の可能性を決定するためにテストされている。

関連論文リスト

• A Novel Approach for Defect Detection of Wind Turbine Blade Using Virtual Reality and Deep Learning [0.0]
  風力タービンの仮想モデルを構築し,4種類の共通欠陥に対する近接現実像を合成する。 第2のステップでは、タービンブレードの欠陥を分類してセグメント化するために、カスタマイズされたU-Netアーキテクチャが訓練されている。 提案手法は,航空機による自律的,遠隔的検査に適した,適切な欠陥検出精度を提供する。
  論文  参考訳（メタデータ） (2023-12-30T13:58:50Z)
• Wind Turbine Gearbox Fault Detection Based on Sparse Filtering and Graph Neural Networks [5.415995239349699]
  風力タービンのギアボックスの故障は特に顕著であり、最も長いダウンタイムと高いコストに繋がる。 本稿では、グラフニューラルネットワーク(GNN)モデルとスパースフィルタリング(SF)モデルを用いて、高周波振動データに基づくデータ駆動ギヤボックス故障検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-06T21:08:07Z)
• Imperceptible and Robust Backdoor Attack in 3D Point Cloud [62.992167285646275]
  本稿では、この課題に対処するために、新しい非受容的で堅牢なバックドアアタック(IRBA)を提案する。 我々は、重み付き局所変換(WLT)と呼ばれる非線形局所変換を用いて、ユニークな変換を持つ有毒試料を構築する。 3つのベンチマークデータセットと4つのモデルによる実験により、IRBAは前処理技術でもほとんどの場合80%以上のASRを達成することが示された。
  論文  参考訳（メタデータ） (2022-08-17T03:53:10Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• Learning to restore images degraded by atmospheric turbulence using uncertainty [93.72048616001064]
  大気の乱流は、長距離イメージングシステムによって取得された画像の品質を著しく低下させることができる。 本研究では,大気乱流により劣化した1つの画像の復元のための深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-07-07T17:24:52Z)
• Semi-Supervised Surface Anomaly Detection of Composite Wind Turbine Blades From Drone Imagery [17.639472693362926]
  BladeNetは、教師なしタービンブレードの検出と抽出の両方を行うアプリケーションベースで堅牢なデュアルアーキテクチャである。 我々の二重構造はガラス繊維複合材ブレードの表面欠陥を高い適性で検出する。 BladeNetは、オフショア風力タービンのためのOrstedブレード検査データセットで0.995のAverage Precision(AP)を、デンマーク工科大学(DTU)のNordTankタービン検査データセットで0.223のAverage Precision(AP)を生成しています。
  論文  参考訳（メタデータ） (2021-12-01T15:20:12Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)
• Intelligent Icing Detection Model of Wind Turbine Blades Based on SCADA data [0.0]
  本稿では,畳み込みニューラルネットワーク(CNN),GAN(Generative Adversarial Network),ドメイン適応学習(Domain Adaption Learning)を用いて,インテリジェントな診断フレームワークを構築する可能性について検討する。 本研究は, 正常およびアイシング試料の固有特徴を捉えるために, 並列GANを用いた2段階の訓練について検討する。 3つの風力タービンSCADAデータのモデル検証は、2段階の訓練がモデル性能を効果的に改善できることを示している。
  論文  参考訳（メタデータ） (2021-01-20T00:46:52Z)
• Image-Based Jet Analysis [2.5382095320488665]
  画像ベースのジェット解析は、高エネルギー物理学とコンピュータビジョンとディープラーニングの直接接続を可能にするジェット画像表現上に構築されている。 我々は,これらのモデルが学んだこと,不確実性に対する感受性を理解するための手法について検討する。 ジェットの分類以外にも,エネルギ推定,積み上げノイズ低減,データ生成,異常検出など,ジェット画像に基づく手法の応用について検討した。
  論文  参考訳（メタデータ） (2020-12-17T16:42:29Z)
• A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT Source Trajectories for Artifact Avoidance [47.345403652324514]
  市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。 そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。 リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
  論文  参考訳（メタデータ） (2020-08-14T09:23:50Z)
• Learning to Restore a Single Face Image Degraded by Atmospheric Turbulence using CNNs [93.72048616001064]
  このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。 乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
  論文  参考訳（メタデータ） (2020-07-16T15:25:08Z)

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。