論文の概要: A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle
- arxiv url: http://arxiv.org/abs/2111.11709v1
- Date: Tue, 23 Nov 2021 08:04:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-24 14:11:26.329163
- Title: A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle
- Title（参考訳）: 無人航空機による赤外線・可視画像に基づくPVパネルの欠陥検出のためのYOLOv3に基づくマルチステージモデル
- Authors: Antonio Di Tommaso, Alessandro Betti, Giacomo Fontanelli, Benedetto
Michelozzi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 65.99880594435643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As solar capacity installed worldwide continues to grow, there is an
increasing awareness that advanced inspection systems are becoming of utmost
importance to schedule smart interventions and minimize downtime likelihood. In
this work we propose a novel automatic multi-stage model to detect panel
defects on aerial images captured by unmanned aerial vehicle by using the
YOLOv3 network and Computer Vision techniques. The model combines detections of
panels and defects to refine its accuracy. The main novelties are represented
by its versatility to process either thermographic or visible images and detect
a large variety of defects and its portability to both rooftop and
ground-mounted PV systems and different panel types. The proposed model has
been validated on two big PV plants in the south of Italy with an outstanding
AP@0.5 exceeding 98% for panel detection, a remarkable AP@0.4 (AP@0.5) of
roughly 88.3% (66.95%) for hotspots by means of infrared thermography and a
mAP@0.5 of almost 70% in the visible spectrum for detection of anomalies
including panel shading induced by soiling and bird dropping, delamination,
presence of puddles and raised rooftop panels. An estimation of the soiling
coverage is also predicted. Finally an analysis of the influence of the
different YOLOv3's output scales on the detection is discussed.
- Abstract（参考訳）: 世界規模で設置される太陽光容量が増加し続けており、スマート介入のスケジュールやダウンタイムの可能性を最小化するために先進的な検査システムが最重要視されているという認識が高まっている。
本研究では,無人航空機で撮影された空中画像のパネル欠陥をyolov3ネットワークとコンピュータビジョン技術を用いて検出する自動多段モデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせて精度を向上する。
主な特徴は、サーモグラフィまたは可視画像の処理と様々な欠陥の検出、屋根上および地上に搭載されたPVシステムと異なるパネルタイプへの移植性である。
提案手法はイタリア南部の2つの大きなPVプラントにおいて、パネル検出の98%を超えるAP@0.5、赤外線サーモグラフィーによるホットスポットの約88.3%(66.95%)のAP@0.4(AP@0.5)、土壌や鳥の落下によるパネルシェーディング、脱落、水たまりの存在、屋上パネルの上昇など異常を検出するためのmAP@0.5(mAP@0.5)で検証されている。
土壌被覆率の推定も予測される。
最後に, YOLOv3の出力スケールが検出に与える影響について検討した。
関連論文リスト
- MonoTDP: Twin Depth Perception for Monocular 3D Object Detection in
Adverse Scenes [49.21187418886508]
本論文は,モノTDP(MonoTDP)と呼ばれる悪シーンにおける2つの深度を知覚するモノクル3次元検出モデルを提案する。
まず、制御不能な気象条件を扱うモデルを支援するための適応学習戦略を導入し、様々な劣化要因による劣化を著しく抑制する。
そこで本研究では, シーン深度と物体深度を同時に推定する新たな2つの深度認識モジュールを提案する。
論文 参考訳（メタデータ） (2023-05-18T13:42:02Z) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳（メタデータ） (2023-04-22T22:39:03Z) - Photovoltaic Panel Defect Detection Based on Ghost Convolution with
BottleneckCSP and Tiny Target Prediction Head Incorporating YOLOv5 [5.632384612137748]
本稿では,Ghost convolution with BottleneckCSPとPVパネル欠陥検出のための小さなターゲット予測ヘッドを提案する。
BottleneckCSPモジュールは、小さなターゲット検出のための予測ヘッドを追加して、小さな欠陥ミスを軽減するために導入された。
提案するPVパネル表面欠陥検出ネットワークは、mAPの性能を少なくとも27.8%向上させる。
論文 参考訳（メタデータ） (2023-03-02T01:06:35Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Automated Optical Inspection of FAST's Reflector Surface using Drones
and Computer Vision [15.563799757564663]
直径5メートルの球状電波望遠鏡(英: Five-hundred-meter Aperture Spherical Radio Telescope、FAST)は、世界最大の電波望遠鏡である。
FASTの大きな反射面は前代未聞の感度を達成するが、自然に落下する物体によって引き起こされるデントや穴などの損傷を受けやすい。
この研究は、ディープラーニング技術とドローン技術を統合することで、FASTの検査を自動化するための第一歩となる。
当社のAIによるドローンによる自動検査は、時間効率が高く、信頼性が高く、アクセシビリティも良好で、FASTの長期的かつ安定した運用を保証する。
論文 参考訳（メタデータ） (2022-12-18T08:34:05Z) - Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。
標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
論文 参考訳（メタデータ） (2022-05-27T05:42:16Z) - Anomaly Detection in IR Images of PV Modules using Supervised
Contrastive Learning [4.409996772486956]
我々は、赤外線画像の異常を検出するために、教師付きコントラスト損失を伴うResNet-34畳み込みニューラルネットワークを訓練する。
本手法は,未知の種類の異常を迅速かつ確実に検出し,実践に適した手法である。
我々の研究は、教師なしドメイン適応を用いたPVモジュール故障検出をより現実的な視点でコミュニティに提供します。
論文 参考訳（メタデータ） (2021-12-06T10:42:28Z) - BAF-Detector: An Efficient CNN-Based Detector for Photovoltaic Cell
Defect Detection [7.151552353494974]
本稿では,マルチスケール機能融合を実現するため,注意に基づくトップダウン・ボトムアップアーキテクチャを開発した。
高速RCNN+FPNの領域提案ネットワーク(RPN)にBAFPNを組み込んだ新しい物体検出器BAF-Detectorが提案されている。
3629個の画像と2129個の欠陥を含む大規模ELデータセットの実験結果から,提案手法は98.70%(F測定),88.07%(mAP),73.29%(IoU)のマルチスケール欠陥分類を達成した。
論文 参考訳（メタデータ） (2020-12-19T08:48:14Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z) - Combining Visible and Infrared Spectrum Imagery using Machine Learning
for Small Unmanned Aerial System Detection [1.392250707100996]
本研究は,SUASの視覚的検出に機械学習を用いたLWIRと可視光センサの利点を組み合わせることを提案する。
検出率は71.2+-8.3%で、LWIRに比べて69%、可視スペクトル単独では30.4%向上した。
論文 参考訳（メタデータ） (2020-03-27T21:06:14Z)
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。