論文の概要: Smartphone-Based, Field-Deployed AI Inspection System for Power Distribution Infrastructure
- arxiv url: http://arxiv.org/abs/2610.17620v1
- Date: Tue, 13 Oct 2026 02:42:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 18:07:20.510268
- Title: Smartphone-Based, Field-Deployed AI Inspection System for Power Distribution Infrastructure
- Title（参考訳）: 配電インフラのためのスマートフォンによるフィールド展開型AI検査システム
- Abstract要約: 本研究では,現場職員が捉えた画像から,対象の分布・非構造状態を評価するためのスマートフォンベースのAI検査システムを提案する。
提案したワークフローは、画像品質と視認性検証と、AIによるポールリーン、クロスアーム、トップクリート傾き、電圧レベル、植生クレーランスリスク、配電変圧器(DTR)地上クリアランスの評価を統合している。
このシステムは、アンドラ・プラデーシュのイースタン・パワー・ディストリクト・カンパニー(Eastern Power Distribution Company of Andhra Pradesh Ltd)内の、選ばれた5つの配電業者にパイロットで配備された。
- 参考スコア（独自算出の注目度）: 0.20524609401792396
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Routine inspection of power distribution infrastructure remains challenging for utilities operating geographically dispersed networks, where conventional manual inspection can be difficult to perform consistently and at scale. This work presents a smartphone-based AI inspection system for assessing targeted distribution-infrastructure conditions from images captured by field personnel. The proposed workflow integrates image-quality and viewing-perspective validation with AI-assisted assessment of pole lean, crossarm and top-cleat tilt, voltage level, vegetation-clearance risk, and distribution-transformer (DTR)-ground clearance. The system integrates deep-learning models with monocular depth estimation, geometric analysis, and rule-based processing within a common multi-stage inspection workflow designed for practical field operation. The system was pilot deployed across five selected distribution feeders within the Eastern Power Distribution Company of Andhra Pradesh Ltd. (APEPDCL), where 1,222 defect instances were identified across the assessed categories and subsequently tracked through a rectification and verification workflow, with 84 defect instances recorded as rectified during the study period. Feeder-level interruption records were also examined over the study period; however, the available observations do not provide sufficient evidence to establish a reliability improvement attributable to the proposed system. A curated multi-module field-captured dataset, PD-Defect, is also publicly released to support reproducible research in distribution-infrastructure inspection. The field deployment demonstrates the practical integration of smartphone-based AI-assisted inspection into field inspection and maintenance activities, providing a mechanism for systematic identification, documentation, rectification tracking, and verification of targeted distribution-infrastructure defects.
- Abstract（参考訳）: 地理的に分散したネットワークを運用するユーティリティでは,従来型の手動検査が一貫して大規模に実施することが困難であったため,配電インフラの定期的な点検は依然として困難である。
本研究では,現場職員が捉えた画像から,対象の分布・非構造状態を評価するためのスマートフォンベースのAI検査システムを提案する。
提案したワークフローは、画像品質と視認性検証と、AIによるポールリーン、クロスアーム、トップクリート傾き、電圧レベル、植生クレーランスリスク、配電変圧器(DTR)地上クリアランスの評価を統合している。
本システムは,ディープラーニングモデルと単眼深度推定,幾何解析,ルールベース処理を,実用的なフィールド操作用に設計された共通多段階検査ワークフローに統合する。
このシステムは、アンドラプラデーシュのEastern Power Distribution Company(APEPDCL)内で選択された5つの配電系統にパイロット展開され、1222の欠陥インスタンスが評価されたカテゴリにわたって特定され、その後、修正と検証のワークフローを通じて追跡され、84の欠陥インスタンスが調査期間中に修正されたと記録された。
フィードレベルの割り込み記録も調査期間を通じて検討されたが,提案システムに起因した信頼性向上の確立には十分な証拠が得られていない。
分散・インフラ検査における再現可能な研究を支援するために、多モジュールフィールドキャプチャデータセットPD-Defectも公開されている。
フィールド展開は、スマートフォンベースのAI支援検査の現場検査とメンテナンス活動への実践的な統合を実証し、体系的な識別、文書化、修正追跡、ターゲットとなる分布・インフラ欠陥の検証のためのメカニズムを提供する。
関連論文リスト
- BRIDGE: Selective Boundary Repair with Dependency Graph Evidence in Multi-Agent Systems [59.26551527044981]
methodは、ハンドオフ修復を明示的な依存性の摂動に対する選択的介入として扱うランタイム制御フレームワークである。
SILO-BENCHでは12.3パーセンテージ、TeamBenchでは11.1ポイントまでタスクの成功を加速させる。
論文 参考訳（メタデータ） (2026-10-13T06:31:57Z) - Monitoring Agentic Systems Before They're Reliable [0.7422381022274628]
運用に入るエージェントシステムは、通常、部分的に統合されたアセンブリとして機能し、構造上の欠陥はタスクレベルのエラーではなく、障害のランドスケープを支配します。
本稿では,エージェントシステム評価を3次元(品質,適合性,効率)に分割するモニタリング・トリアージ手法を提案する。
発見は、FMEAに適合した重度分類によってルートされ、調査を保証しているサブセットに人間の注意を集中させる。
論文 参考訳（メタデータ） (2026-06-01T17:01:53Z) - MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳（メタデータ） (2026-05-18T01:52:12Z) - AI Observability for Large Language Model Systems: A Multi-Layer Analysis of Monitoring Approaches from Confidence Calibration to Infrastructure Tracing [0.0]
本稿では,近年の5つの研究成果を構造化し,AI観測可能性の新たな展望を総合的に定義する。
我々はこれらの貢献を5階層の可観測性分類に分類し、それらの重要な知見を統一された比較に合成し、未適応のままである4つの重要なギャップを同定する。
論文 参考訳（メタデータ） (2026-04-28T22:27:54Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - Information-Driven Fault Detection and Identification for Multi-Agent Spacecraft Systems: Collaborative On-Orbit Inspection Mission [1.9619984051233332]
この研究は、地球低軌道における共同検査ミッションのためのグローバル・ローカル・タスク・アウェア・フォールト検出および識別の枠組みを提示する。
故障検出は、期待されたタスクメトリクスと観測されたタスクメトリクスの比較によって達成される。
高次のコスト勾配測定により、センサー、アクチュエータ、状態推定器間の故障の特定が可能になる。
論文 参考訳（メタデータ） (2025-11-11T20:10:39Z) - Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。
提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
論文 参考訳（メタデータ） (2025-07-06T20:22:58Z) - Out-of-Distribution Detection on Graphs: A Survey [58.47395497985277]
グラフアウト・オブ・ディストリビューション(GOOD)検出は、トレーニング中に見られる分布から逸脱するグラフデータを特定することに焦点を当てる。
既存の手法を,拡張ベース,再構築ベース,情報伝達ベース,分類ベースという4つのタイプに分類する。
本稿では,グラフデータによるユニークな課題を浮き彫りにして,実践的応用と理論的基礎について論じる。
論文 参考訳（メタデータ） (2025-02-12T04:07:12Z) - Self-Supervised Graph Transformer for Deepfake Detection [1.8133635752982105]
ディープフェイク検出手法は、与えられたデータセット内の偽造を認識できる有望な結果を示している。
ディープフェイク検出システムは、一般的な検出性能を保証するために、偽造タイプ、外観、品質に欠かせないままでいなければならない。
本研究では、自己教師付き事前学習モデルを利用して、例外的な一般化能力を実現するディープフェイク検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-27T17:22:41Z) - Test-time Adaptation with Slot-Centric Models [63.981055778098444]
Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。
我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-03-21T17:59:50Z) - Functional Anomaly Detection: a Benchmark Study [4.444788548423704]
異常検出は、非常に高い周波数でサンプリングされた測定に依存することができる。
本研究の目的は, 実データセット上の機能的設定において, 異常検出のための最近の手法の性能について検討することである。
論文 参考訳（メタデータ） (2022-01-13T18:20:32Z)
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。