افزایش دقت تشخیص عیوب خطوط برق با پهپاد
آجاک: رساله دکتری با عنوان تشخیص اشیای کوچک در تصاویر پهپادی مبتنی بر فراتفکیک پذیری تصویری با نگاه کاربردی در صنعت برق با حمایت بنیاد ملی علم ایران انجام شده است.
به گزارش آجاک به نقل از معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری، رساله دکتری شهرزاد فلاحت نژاد با عنوان «تشخیص اشیای کوچک در تصاویر پهپادی مبتنی بر فراتفکیک پذیری تصویری با نگاه کاربردی در صنعت برق» با راهنمائی اعظم کرمی و مشاوره حسین نظام آبادی پور و با حمایت بنیاد ملی علم ایران انجام شده است.
فلاحت نژاد در توضیح اهمیت این تحقیق اظهار داشت: در صنعت برق، خطوط انتقال و فوق توزیع، نقش خیلی مهمی در انتقال جریان الکتریکی از نیروگاه ها به مصرف کنندگان دارند. این خطوط در اثر عواملی مانند طوفان، یخبندان، صاعقه، برخورد پرندگان یا سایر عوامل محیطی امکان دارد گرفتار نقص یا اتصال کوتاه شوند. قطع برق در چنین شرایطی می تواند سبب خسارت های اقتصادی سنگین به بخش صنعت و اختلال در زندگی روزمره مردم شود. به سبب تنوع تجهیزات موجود در این خطوط، ضروری است به شکل دوره ای مورد بازرسی قرار گیرند.
وی اضافه کرد: در گذشته، بازرسی این خطوط به شکل بصری و توسط کارشناسان صورت می گرفت. در روش بازدید صعودی، تکنسین باید جهت بررسی دکل ها جریان برق را قطع کند، که این امر امکان دارد منجر به خسارات مالی و حتی فنی برای شرکتهای برق منطقه ای، نیروگاه ها و صنایع متصل به خطوط شود. علاوه بر این، دید محدود تکنسین در هنگام بازدید صعودی و اعمال سلیقه شخصی در تشخیص عیوب، می تواند منجر به خطاهای انسانی و درنتیجه بروز مشکلات فنی و اقتصادی شود.
فلاحت نژاد تصریح کرد: در سالهای اخیر، استفاده از پهپادها برای بازرسی خطوط انتقال برق مورد توجه قرار گرفته است. در این شیوه، تصاویر مختلفی از هر دکل ثبت می شود و سپس کارشناسان به شکل بصری آنها را بررسی می کنند. هرچند این شیوه خطرات و دشواری های بازرسی صعودی را می کاهد، اما تحلیل دستی حجم بالای تصاویر خیلی زمان بر و مستعد خطاست. از ین جهت، استفاده از هوش مصنوعی و یادگیری عمیق برای تحلیل خودکار تصاویر به یک ضرورت تبدیل گشته است.
وی در ادامه بیان نمود: بااین حال، شبکه های یادگیری عمیق موجود در تشخیص عیوب خیلی کوچک خطوط انتقال، مانند کسری پیچ ومهره، شلی پیچ ومهره، کسری یا نقص اشپیل که نقش حیاتی در پایداری دکل ها دارند، عملکرد مناسبی ندارند؛ برای اینکه این عیوب معمولا کمتر از یک درصد از کل پیکسل های تصویر پهپادی را می سازند. برای حل این مشکل، در این تحقیق از روشی مبتنی بر فراتفکیک پذیری تصویری استفاده شده است که با افزایش وضوح مؤثر تصاویر، قابلیت تشخیص این عیوب کوچک بهبود یابد.
فلاحت نژاد در انتها تصریح کرد: الگوریتم پیشنهادی این تحقیق شامل دو شبکه یادگیری عمیق است: یکی برای فراتفکیک پذیری تصویری و دیگری برای تشخیص اشیای کوچک. این دو شبکه به شکل سرتاسری آموزش داده شده و از بازخورد یکدیگر برای بهبود عملکرد بهره می برند. نتایج حاصل از این مدل منجر به شناسایی دقیق عیوب کوچک در خطوط برق چندین استان کشور شده و از بروز خاموشی ها و خسارات سنگین اقتصادی جلوگیری کرده است.
به اجمال، به گزارش آجاک به نقل از معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری، رساله دکتری شهرزاد فلاحت نژاد با عنوان تشخیص اشیای کوچک در تصاویر پهپادی مبتنی بر فراتفکیک پذیری تصویری با نگاه کاربردی در صنعت برق با راهنمایی اعظم کرمی و مشاوره حسین نظام آبادی پور و با حمایت بنیاد ملی علم ایران انجام شده است. ایشان در ادامه بیان نمود: بااین حال، شبکه های یادگیری عمیق موجود در تشخیص عیوب خیلی کوچک خطوط انتقال، مانند کسری پیچ ومهره، شلی پیچ ومهره، کسری یا نقص اشپیل که نقش حیاتی در پایداری دکل ها دارند، عملکرد مناسبی ندارند؛ به جهت اینکه این عیوب بطور معمول کمتر از یک درصد از کل پیکسل های تصویر پهپادی را می سازند.
منبع: آجاك
این مطلب آجاک را پسندیدید؟
(0)
(0)
تازه ترینهای مرتبط
نظر بینندگان آجاک در این باره