論文の概要: XAI-guided Insulator Anomaly Detection for Imbalanced Datasets

• arxiv url: http://arxiv.org/abs/2409.16821v1
• Date: Wed, 25 Sep 2024 11:19:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-27 04:05:48.671389
• Title: XAI-guided Insulator Anomaly Detection for Imbalanced Datasets
• Title（参考訳）: 不均衡データセットに対するXAI誘導絶縁体異常検出
• Authors: Maximilian Andreas Hoefler, Karsten Mueller, Wojciech Samek,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.215245485606369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Power grids serve as a vital component in numerous industries, seamlessly delivering electrical energy to industrial processes and technologies, making their safe and reliable operation indispensable. However, powerlines can be hard to inspect due to difficult terrain or harsh climatic conditions. Therefore, unmanned aerial vehicles are increasingly deployed to inspect powerlines, resulting in a substantial stream of visual data which requires swift and accurate processing. Deep learning methods have become widely popular for this task, proving to be a valuable asset in fault detection. In particular, the detection of insulator defects is crucial for predicting powerline failures, since their malfunction can lead to transmission disruptions. It is therefore of great interest to continuously maintain and rigorously inspect insulator components. In this work we propose a novel pipeline to tackle this task. We utilize state-of-the-art object detection to detect and subsequently classify individual insulator anomalies. Our approach addresses dataset challenges such as imbalance and motion-blurred images through a fine-tuning methodology which allows us to alter the classification focus of the model by increasing the classification accuracy of anomalous insulators. In addition, we employ explainable-AI tools for precise localization and explanation of anomalies. This proposed method contributes to the field of anomaly detection, particularly vision-based industrial inspection and predictive maintenance. We significantly improve defect detection accuracy by up to 13%, while also offering a detailed analysis of model mis-classifications and localization quality, showcasing the potential of our method on real-world data.
• Abstract（参考訳）: 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を供給し、安全で信頼性の高い運用が不可欠である。 しかし、厳しい地形や厳しい気候条件のために電力線を検査することは困難である。 そのため、無人航空機は電力線を検査するためにますます配備され、高速で正確な処理を必要とする視覚データの流れがかなりのものとなる。 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。 特に、絶縁体欠陥の検出は電力線故障の予測に不可欠である。 したがって、絶縁体コンポーネントを継続的に保守し、厳密に検査することは大きな関心事である。 本研究では,この課題に対処するための新しいパイプラインを提案する。 我々は、最先端の物体検出を用いて、個々の絶縁体異常を検出し、その後分類する。 提案手法は,異常絶縁体の分類精度を高めることにより,モデルの分類焦点を変更することができる微調整手法により,不均衡画像や動色画像などのデータセットに対処する。 また,解析可能なAIツールを用いて,異常の正確な位置推定と説明を行う。 提案手法は異常検出の分野,特に視覚に基づく産業検査と予測保守に寄与する。 我々は,欠陥検出精度を最大13%向上させるとともに,モデルミス分類と局所化品質の詳細な解析を行い,実世界のデータに対する本手法の可能性を示した。

関連論文リスト

• Unsupervised Anomaly Detection Using Diffusion Trend Analysis [48.19821513256158]
  本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。 提案手法は,産業用異常検出のためのオープンデータセット上で検証される。
  論文  参考訳（メタデータ） (2024-07-12T01:50:07Z)
• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• 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)
• 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)
• MFL Data Preprocessing and CNN-based Oil Pipeline Defects Detection [0.0]
  コンピュータビジョンの異常検出への応用は、いくつかの産業分野で注目されている。 本研究は磁気フラックス漏洩データと前処理技術の研究に焦点を当てる。 そのために、最近の畳み込みニューラルネットワーク構造を利用して、堅牢なアプローチを提案しました。
  論文  参考訳（メタデータ） (2023-09-30T10:37:12Z)
• Object detection-based inspection of power line insulators: Incipient fault detection in the low data-regime [0.0]
  本研究は,円盤内の初期欠陥に着目し,空画像からの絶縁体および資産検査のための3つの物体検出タスクを定式化する。 我々は、健康かつ欠陥のある絶縁体を検出するための堅牢な特徴を学習するために使用できる、絶縁体画像の大規模な参照データセットをキュレートする。 その結果, 物体検出モデルを用いて, 絶縁体中の欠陥を早期に検出できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-21T13:49:19Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• 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)
• Smart Anomaly Detection in Sensor Systems: A Multi-Perspective Review [0.0]
  異常検出は、期待される振る舞いから著しく逸脱するデータパターンを特定することに関わる。 データ分析からe-health、サイバーセキュリティ、予測メンテナンス、障害防止、産業自動化に至るまで、幅広いアプリケーション領域があるため、これは重要な研究課題である。 本稿では,センサシステムの特定の領域における異常検出に使用される最先端手法について概説する。
  論文  参考訳（メタデータ） (2020-10-27T09:56:16Z)

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。