論文の概要: Automated Damage Inspection of Power Transmission Towers from UAV Images

• arxiv url: http://arxiv.org/abs/2111.15581v1
• Date: Tue, 30 Nov 2021 17:21:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-01 15:17:58.872419
• Title: Automated Damage Inspection of Power Transmission Towers from UAV Images
• Title（参考訳）: UAV画像による送電塔の損傷自動検査
• Authors: Aleixo Cambeiro Barreiro, Clemens Seibold, Anna Hilsmann, Peter Eisert
• Abstract要約: 近年,遠隔記録におけるドローンやヘリコプターの利用が増加している。 これは大量の画像を分析するという問題を残しており、これは自動化の大きな可能性を秘めている。 本稿では, 送電塔の構造損傷検出問題に対処し, これらの課題に対処する。
• 参考スコア（独自算出の注目度）: 2.798697306330988
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Infrastructure inspection is a very costly task, requiring technicians to access remote or hard-to-reach places. This is the case for power transmission towers, which are sparsely located and require trained workers to climb them to search for damages. Recently, the use of drones or helicopters for remote recording is increasing in the industry, sparing the technicians this perilous task. This, however, leaves the problem of analyzing big amounts of images, which has great potential for automation. This is a challenging task for several reasons. First, the lack of freely available training data and the difficulty to collect it complicate this problem. Additionally, the boundaries of what constitutes a damage are fuzzy, introducing a degree of subjectivity in the labelling of the data. The unbalanced class distribution in the images also plays a role in increasing the difficulty of the task. This paper tackles the problem of structural damage detection in transmission towers, addressing these issues. Our main contributions are the development of a system for damage detection on remotely acquired drone images, applying techniques to overcome the issue of data scarcity and ambiguity, as well as the evaluation of the viability of such an approach to solve this particular problem.
• Abstract（参考訳）: インフラ検査は非常にコストがかかる作業であり、技術者は遠隔地や困難な場所にアクセスする必要がある。 これは、低い位置にあり、損傷を探すために訓練された労働者が登る必要がある電力送電塔のケースである。 近年,遠隔記録におけるドローンやヘリコプターの利用が増加している。 しかし、これは大量の画像を分析するという問題を残しており、自動化の可能性を秘めている。 これはいくつかの理由で難しいタスクです。 まず、無償のトレーニングデータの欠如と収集の難しさがこの問題を複雑にしている。 さらに、損傷を構成するものの境界は曖昧であり、データのラベル付けに主観性の度合いを導入する。 画像内の不均衡なクラス分布もまた、タスクの難易度を増加させる役割を担っている。 本稿では, 送電塔の構造損傷検出問題に取り組み, これらの課題に対処する。 我々の主な貢献は、遠隔取得ドローン画像における損傷検出システムの開発、データの不足と曖昧さの問題を克服するための技術の適用、およびこの問題を解決するためのアプローチの有効性の評価です。

関連論文リスト

• Irregularity Inspection using Neural Radiance Field [0.0]
  大規模生産機械はますます重要になっている。 このような大型機械の欠陥検査を専門家が行うことは、しばしば困難である。 本稿では3次元双対モデルのニューラル・ネットワーク・モデリング(NeRF)に基づくシステムを提案する。
  論文  参考訳（メタデータ） (2024-08-21T00:14:07Z)
• Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
  本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。 この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
  論文  参考訳（メタデータ） (2023-12-22T15:04:20Z)
• Drones4Good: Supporting Disaster Relief Through Remote Sensing and AI [3.5577050175945817]
  ドローンによるデータとディープラーニングの手法を組み合わせることで、自動化された大規模状況評価が可能になることを示す。 さらに、自律型ドローンによる援助配送の展開において、車載画像処理技術の統合を実演する。
  論文  参考訳（メタデータ） (2023-08-09T17:07:20Z)
• Deep Learning Approaches in Pavement Distress Identification: A Review [0.39373541926236766]
  本稿では,舗装災害検出・分類のための画像処理技術と深層学習技術の最近の進歩を概観する。 これらのアルゴリズムがパターンを識別し、広範囲なデータセットに基づいて予測する能力は、舗装災害識別の領域に革命をもたらした。 高解像度画像をキャプチャすることで、UAVは深層学習アルゴリズムを用いて処理できる貴重なデータを提供し、様々な舗装の苦痛を効果的に検出し分類する。
  論文  参考訳（メタデータ） (2023-08-01T20:30:11Z)
• Early Recall, Late Precision: Multi-Robot Semantic Object Mapping under Operational Constraints in Perceptually-Degraded Environments [47.917640567924174]
  本稿では,この問題を解決するためにEarly Recall, Late Precision (EaRLaP)意味オブジェクトマッピングパイプラインを提案する。 EaRLaPはDARPA Subterranean ChallengeでTeam CoSTARによって使用された。 各種データセット上でのEaRLaPの結果と性能について論じる。
  論文  参考訳（メタデータ） (2022-06-21T01:11:42Z)
• Hindsight is 20/20: Leveraging Past Traversals to Aid 3D Perception [59.2014692323323]
  小さな、遠く、あるいは非常に隠蔽された物体は、検出するためのLiDAR点雲に限られた情報があるため、特に困難である。 本稿では,過去データから文脈情報を抽出する,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。 このフレームワークは現代のほとんどの3D検出アーキテクチャと互換性があり、複数の自律走行データセットの平均精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-03-22T00:58:27Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• Vision-Based Mobile Robotics Obstacle Avoidance With Deep Reinforcement Learning [49.04274612323564]
  障害物回避は、移動ロボットの自律ナビゲーションのための根本的かつ困難な問題です。 本稿では,ロボットが単一眼カメラにのみ依存しなければならない単純な3D環境における障害物回避の問題を検討する。 データ駆動型エンドツーエンドディープラーニングアプローチとして,障害回避問題に取り組む。
  論文  参考訳（メタデータ） (2021-03-08T13:05:46Z)

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。