電力設備におけるROI疑似点群ビジュアル分析を用いた電力欠陥検出の改良版YOLOv12

科学分野:

• 電気工学
• コンピュータビジョン
• 人工知能

背景:

• 電力機器の検査は、微妙な欠陥や散らかった背景といった課題に直面している。
• 正確な欠陥検出は、グリッドの信頼性とメンテナンスにとって非常に重要である。

研究 の 目的:

• マルチクラス電力欠陥検出のための改良された深層学習フレームワークを開発すること。
• 複雑な検査シナリオにおける堅牢性と精度を向上させること。
• 欠陥構造検査のための直感的なビジュアル分析を提供すること。

主な方法:

• Prior-Guided Region Attention (PG-RA)モジュールとLightweight Residual Efficient Layer Aggregation Network (LR-RELAN)を組み込んだ改良版YOLOv12フレームワーク。
• 分類と回帰を改善するためのDual-Spectrum Adaptive Fusion Loss (DSAF Loss)関数。
• Region of Interest (ROI)疑似点群の構築と、デノイジング戦略（SOR、ROR）の比較。

主要な成果:

• 提案されたフレームワークは、複雑なシーンにおいて検出精度と堅牢性を向上させることを実証した。
• リアルタイムパフォーマンスは維持される。
• ROI疑似点群は、実際の欠陥構造検査のための直感的な補助ビューを提供する。

結論:

• 改良されたYOLOv12フレームワークは、電力機器の欠陥検出における課題を効果的に解決する。
• PG-RA、LR-RELAN、およびDSAF Lossの統合は、優れたパフォーマンスにつながる。
• ROI疑似点群モジュールは、システムの解釈性を高め、実際の欠陥分析を支援する。