基于热能视觉的无人机监控,加上深度学习,用于关键的工业监控
Do Yeong Lim1, Ik Jae Jin1, In Cheol Bang2
1Department of Nuclear Engineering, Ulsan National Institute of Science and Technology (UNIST), Ulsan, 44919, Republic of Korea.
Scientific reports
|December 14, 2023
概括
这项研究使用无人机基础的红外成像和深度学习来检测核电站中的异常. YOLO v8m 模型在识别异常组件状态方面表现出高精度,提高了安全性和效率.
科学领域:
- 核工程 核工程是指核工程.
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 核电厂的传统监测可以忽略微妙的异常.
- 需要自动检测系统来提高安全性和效率.
研究的目的:
- 应用无人机辅助的红外 (IR) 成像和深度学习,以改善核电厂的异常检测.
- 评估深度学习模型在识别组件异常方面的有效性.
主要方法:
- 一架配备视觉和红外摄像头的无人机从缩放的压水反应堆模型中捕获了数据.
- 深度学习对象检测模型 (YOLO,Mask R-CNN) 被训练来分类正常和异常组件状态.
- 特别评价了YOLO v8m模型的精度和适应性.
主要成果:
- YOLO v8m 模型在检测和适应系统异常方面取得了很高的准确性.
- 高平均平均精度 (mAP) 评分验证了模型的有效性.
- 基于无人机的红外成像与深度学习相结合,在异常检测方面被证明是有效的.
结论:
- 无人机辅助的红外成像和深度学习在核电站的自动异常检测方面取得了重大进展.
- 这种综合方法在关键工业环境中提高了运营安全和效率.
- 该技术有可能在安全关键的环境中彻底改变实时监控.
