文献

J-GLOBAL ID：201902287183457290   整理番号：19A1550184

畳込みニューラルネットワークに基づくロバストな電力線装置検査システム【JST・京大機械翻訳】

Robust Powerline Equipment Inspection System Based on a Convolutional Neural Network

著者 (8件)： Siddiqui Zahid Ali (Department of Computer Science & Engineering, Sogang University, 35 Baekbeom-ro, Mapo-gu, Seoul 04107, Korea) ,  Siddiqui Zahid Ali (Department of Electronic Engineering, NED University of Engineering & Technology, Karachi-75270, Pakistan) ,  Park Unsang (Department of Computer Science & Engineering, Sogang University, 35 Baekbeom-ro, Mapo-gu, Seoul 04107, Korea) ,  Lee Sang-Woong (Department of Software, Gachon University, 1342 Seongnamdae-ro, Sujeong-gu, Seongnam 13120, Korea) ,  Jung Nam-Joon (Smart Distribution Lab. SW Platform Center, KEPCO Research Institute, 105 Moonji-ro, Daejeon 34056, Korea) ,  Choi Minhee (Smart Distribution Lab. SW Platform Center, KEPCO Research Institute, 105 Moonji-ro, Daejeon 34056, Korea) ,  Lim Chanuk (Smart Distribution Lab. SW Platform Center, KEPCO Research Institute, 105 Moonji-ro, Daejeon 34056, Korea) ,  Seo Jang-Hun (ST Vision, 35 Baekbeom-ro, Mapo-gu, Seoul 04107, Korea)
資料名： Sensors (Web)  (Sensors (Web))
巻： 18  号： 11  ページ： 3837  発行年： 2018年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 絶縁体,カットアウトスイッチ,雷避雷器などの電力線機器は,安全で停電のない電源を確保する上で重要な役割を果たしている。残念ながら,それらの耐久環境条件への連続曝露は,それらにおける物理的または電気的欠陥を引き起こす可能性があり,それは電気システムに失敗をもたらす可能性がある。本論文では,自動リアルタイム電気機器検出と欠陥解析システムを提示した。従来の手書き特徴ベースの手法とは異なり,提案したシステムは,従来のニューラルネットワーク(CNN)ベースの機器検出フレームワークを利用し,高度にクラッタされた環境において17の異なるタイプの電力線絶縁体を検出することを可能にした。また,欠陥解析過程で重要な役割を果たす新しい回転正規化と楕円検出法を提案した。最後に,電気装置で発生するガンショット欠陥を検出できる新しい欠陥分析器を示した。提案したシステムは2台のカメラを用いる。長ショット画像から絶縁体を検出する低分解能カメラと,効果的な欠陥解析に役立つ高分解能で装置の近接ショット画像を捕捉する高分解能カメラを開発した。提案した実時間装置検出の性能を92%の精度で最大93%の再現率で,大きな評価データセット上で98%までの精度で欠陥解析システムの性能を実証した。実験結果は,提案したシステムが自動パワーライン装置検査において最先端の性能を達成することを示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  クラッタ ,  *ニューラルネットワーク ,  粒状材 ,  *ロバスト性 ,  正規化 ,  避雷器 ,  画像 ,  *送電線 ,  スイッチ ,  絶縁体 ,  安全性
準シソーラス用語： 再現率 ,  欠陥解析 ,  実時間 , 【Automatic Indexing@JST】

著者キーワード (10件)： 畳み込みニューラルネットワーク ,  深層学習 ,  電力線装置 ,  碍子 ,  カットアウトスイッチ ,  コンピュータビジョン ,  欠陥解析 ,  ガンショット損傷 ,  楕円検出 ,  電気安全

分類 (2件)： 生体計測  (EL03020C) ,  図形・画像処理一般  (JE04010I)

引用文献 (47件)：

• Mei, X.; Lu, T.; Wu, X.; Zhang, B. Insulator surface dirt image detection technology based on improved watershed algorithm. In Proceedings of the 2012 Asia-Pacific Power and Energy Engineering Conference, Shanghai, China, 27-29 March 2012; pp. 1-5.
• Li, J.; Li, M.; Wang, Q. A novel insulator detection method for aerial images. In Proceedings of the 9th International Conference on Computer and Automation Engineering, Sydney, Australia, 18-21 February 2017; pp. 141-144.
• Wu, Q.; An, J. An active contour model based on texture distribution for extracting inhomogeneous insulators from aerial images. IEEE Trans. Geosci. Remote Sens. 2014, 52, 3613-3626.
• Jiang, X.; Yuan, J.; Shu, L.; Zhang, Z.; Hu, J.; Mao, F. Comparison of DC pollution flashover performances of various types of porcelain, glass, and composite insulators. IEEE Trans. Power Deliv. 2008, 23, 1183-1190.
• Oliveira, S.C.; Fontana, E. Optical detection of partial discharges on insulator strings of high-voltage transmission lines. IEEE Trans. Instrum. Meas. 2009, 58, 2328-2334.

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  ロバスト ,  電力線 ,  検査システム