Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

YOLO Ensemble for UAV-based Multispectral Defect Detection in Wind Turbine Components

Created by
  • Haebom

作者

Serhii Svystun、Pavlo Radiuk、Oleksandr Melnychenko、Oleg Savenko、Anatoliy Sachenko

概要

本論文では,風力発電所の翼,タワーなど主要部品の欠陥検出のために可視光と熱画像の両方を活用するYOLOベースの深層学習モデルアンサンブルを提案する。一般的なYOLOv8モデルと熱画像専用モデルを組み合わせて、洗練されたバウンディングボックス融合アルゴリズムを介して予測結果を統合する方法です。実験の結果、提案された方法は、mAP@.5 0.93、F1-score 0.90を達成し、単一のYOLOv8モデル（mAP@.5 0.91）よりも性能が向上することを示した。これは、複数のYOLOアーキテクチャと融合した多分光データを利用することで、視覚的および熱的欠陥検出の信頼性を高めることができることを示唆しています。

Takeaways、Limitations

•
Takeaways:
◦
多分光（可視光および熱画像）データとYOLOベースのモデルアンサンブルを活用して、風力発電所の欠陥検出精度の向上の可能性を提示。
◦
YOLOv8モデルに基づく実用的な欠陥検出システムの開発可能性の確認
◦
バウンディングボックス融合アルゴリズムによるマルチモデル予測結果統合の効果の実証
•
Limitations：
◦
限られたデータセットの実験結果のみが提示され、一般化パフォーマンスの追加検証が必要です。
◦
様々なタイプの欠陥の検出性能比較分析の欠如
◦
実際の風力発電所環境におけるリアルタイム性能評価と適用性レビューの欠如
👍
Made with Slashpage