无人机使用深度学习进行视觉和热像电源线检测
Tiago Santos1,2, Tiago Cunha2, André Dias1,2
1INESCTEC-Institute for Systems and Computer Engineering, Technology and Science, Rua Dr. Roberto Frias, 4200-465 Porto, Portugal.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
本研究介绍了一种深度学习模型,YOLOv8,用于使用无人机 (UAV) 进行自动化电力线路检测. 该系统通过视觉和热像图像识别高精度的电力线路,提高了基础设施检查的安全性和效率.
科学领域:
- 电气工程 电气工程
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 电力线路检查对于电力基础设施的安全性和可靠性至关重要.
- 传统的检查方法存在风险,并且可能是低效的.
- 无人驾驶飞行器 (UAV) 为检查提供了更好的安全性,效率和成本效益.
研究的目的:
- 开发和验证使用无人机进行自主电力线路检测的深度学习方法.
- 提高电力线路检查过程的安全性和效率.
- 为了能够及早检测电力线路基础设施中的缺陷和潜在问题.
主要方法:
- 使用YOLOv8架构开发一个深度学习模型.
- 该模型的应用用于使用视觉图像和热图图像检测电力线路.
- 通过基于无人机的电力线路检查任务验证解决方案.
主要成果:
- 在可见图像上实现了超过90.5%mAP@0.5的电力线路检测.
- 在热像图像上实现了超过96.9%mAP@0.5的电力线检测.
- 证明了车载处理对于安全自主检查的有效性.
结论:
- 基于YOLOv8的深度学习方法显著提高了电力线检测准确度.
- 配备这种技术的无人机提高了电气基础设施维护的安全性和效率.
- 开发的解决方案促进了可靠和成本效益的电力线路检查.
