ドローン画像を用いた風力タービンブレード欠陥のインテリジェント検出のためのマルチクラスデータセット

科学分野:

• 工学
• コンピュータサイエンス
• 材料科学

背景:

• 風力タービンブレードの自動欠陥検出は、効率的な風力発電所の運用に不可欠です。
• 既存のデータセットには、欠陥属性とスケールが不足しており、アルゴリズムの開発を妨げています。
• 無人航空機（UAV）を使用した目視検査は、ブレード評価の主要な方法です。

研究 の 目的:

• 風力タービンブレード欠陥検出のための標準化されたマルチクラスデータセットを導入すること。
• 既存のリソースの欠点を解決するベンチマークデータセットを提供すること。
• インテリジェントで自動化された欠陥検出アルゴリズムの進歩を促進すること。

主な方法:

• UAVを使用して実際の風力タービンブレードの欠陥の高解像度画像を1,065枚収集しました。
• マルチクラス分析のために、欠陥を6つの異なるクラスに分類しました。
• t分布型確率的近傍埋め込み（t-SNE）を使用した特徴空間分析を実行して、欠陥を特徴付けました。

主要な成果:

• データセットは、6つの欠陥カテゴリにわたる1,065個の画像で構成されています。
• 特徴空間分析により、異なる欠陥タイプに固有の属性が明らかになりました。
• このデータセットは、以前のリソースと比較して、欠陥タイプとサンプル解像度の多様性が高くなっています。

結論:

• 提示されたデータセットは、風力タービンブレードの視覚検査アルゴリズムの開発と評価のための貴重なベンチマークとして機能します。
• このリソースは、風力発電所のメンテナンスを強化する自動欠陥検出の進歩を加速します。
• データセットの標準化された性質と包括的な特徴付けは、堅牢なアルゴリズム開発をサポートします。