深層学習技術の詳細な議論による電力線の視覚検査におけるデータ解析のレビュー【JST・京大機械翻訳】

Liu Xinyu; Miao Xiren; Jiang Hao; Chen Jing

プレプリント

J-GLOBAL ID：202202220662203399 整理番号：21P0027206

深層学習技術の詳細な議論による電力線の視覚検査におけるデータ解析のレビュー【JST・京大機械翻訳】

Review of data analysis in vision inspection of power lines with an in-depth discussion of deep learning technology

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年03月22日プレプリントサーバーでの情報更新日： 2020年03月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

無人航空機の広範な人気は,大量の送電線検査データを収集できる。電力伝送の信頼性,安全性,および持続性を維持するため,特に可視画像を用いる大規模な検査データを使用する方法は,緊急の課題である。今日まで,電力線検査データの分析に関して実質的な研究が行われてきた。電力線検査データのための深層学習ベース解析システムの開発に興味を持つ研究者の包括的な概観を提供する目的で,本論文は現在の文献の徹底的なレビューを行い,将来の研究の課題を同定した。検査データ解析の典型的手順に従って,著者らは,この領域における現在の研究を成分検出と故障診断に分類する。各側面に対して,文献に採用した技術と方法論を要約した。データ記述や方法性能などの貴重な情報も含まれている。さらに,電力線検査における既存の深層学習関連解析法の徹底的な議論を提案した。最後に,データ品質問題,小型物体検出,埋込みアプリケーション,および評価ベースラインのような,この領域の将来に対するいくつかの研究動向を有する論文を結論づける。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

入出力装置 , 電力線路要素・工事 , 配電(事業者側) , 電力系統一般 , 変電

, , , , ,

前のページに戻る