Выявление трещин на бетонных опорах ЛЭП с помощью нейронных сетей
Аннотация
Акутальностью работы заключается в необходимости автоматизации обработки данных комплекса Канатоход, по обнаружению и устранению проблемных участков ЛЭП;
Цель работы - разработка и автоматизация последовательного обнаружения сколов и трещин, численное представление разрушения бетонных опор. Дальнейшее прогнозирование наличия дефекта с помощью регрессионного анализа.
Объектами исследования являются изображения бетонных опор линий электропередач (ЛЭП), полученные с комплекса "Канатоход".
Предметом исследования является процесс разработки и обучения нейронной сети по поиску дефектов на бетонных основаниях ЛЭП
Методы исследования состоят из следующих пунктов: анализ, синтез, классификация, абстрагирование, сравнительно-сопоставительный метод.
Гипотеза разработки продукта предполагает, что, данный модуль должен облегчить человеческий труд по анализу трещин, повысить эффективность и уменьшить себестоимость, путем автоматизации данных процессов
Научная новизна работы следующая: разработан алгоритм эффективного нахождения трещин на бетонных опорах ЛЭП; а также разработан алгоритм увеличения датасета для обучения нейронной сети.
Результаты работы следующие: в рамках текущей работы, была выбрана свёрточная нейронная сеть Mask R-CNN в качестве основы модуля обнаружения дефектов на изображениях бетонных основаниях ЛЭП, развернуто и настроено окружение с помощью фремворков Keras и Tensorflow. Также подготовлены наборы данных для обучения, путем семантического поиска и дальнейшей аугментации. Построена и обучена нейронная сеть.
Цель работы - разработка и автоматизация последовательного обнаружения сколов и трещин, численное представление разрушения бетонных опор. Дальнейшее прогнозирование наличия дефекта с помощью регрессионного анализа.
Объектами исследования являются изображения бетонных опор линий электропередач (ЛЭП), полученные с комплекса "Канатоход".
Предметом исследования является процесс разработки и обучения нейронной сети по поиску дефектов на бетонных основаниях ЛЭП
Методы исследования состоят из следующих пунктов: анализ, синтез, классификация, абстрагирование, сравнительно-сопоставительный метод.
Гипотеза разработки продукта предполагает, что, данный модуль должен облегчить человеческий труд по анализу трещин, повысить эффективность и уменьшить себестоимость, путем автоматизации данных процессов
Научная новизна работы следующая: разработан алгоритм эффективного нахождения трещин на бетонных опорах ЛЭП; а также разработан алгоритм увеличения датасета для обучения нейронной сети.
Результаты работы следующие: в рамках текущей работы, была выбрана свёрточная нейронная сеть Mask R-CNN в качестве основы модуля обнаружения дефектов на изображениях бетонных основаниях ЛЭП, развернуто и настроено окружение с помощью фремворков Keras и Tensorflow. Также подготовлены наборы данных для обучения, путем семантического поиска и дальнейшей аугментации. Построена и обучена нейронная сеть.