Real-Time Oil Leakage Detection on Aftermarket Motorcycle Damping System with Convolutional Neural Networks

要約

本研究では、ディープラーニングとコンピュータビジョンが、アフターマーケットのオートバイ用ダンピングシステム部品であるAirTenderシステムの故障事象の検出にどのように役立つかを詳細に説明します。AirTenderの機能を監視する最も効果的な方法の1つは、その表面にあるオイル汚れを探すことです。リアルタイムの画像から出発して、まずバイクのサスペンションシステムでエアテンダーを検出し、次にバイナリ分類器によってエアテンダーがオイルをこぼしているかどうかを判断します。検出はYolo5アーキテクチャの助けを借りて行われ、一方、分類は適切に設計された畳み込みニューラルネットワーク、OilNet40の助けを借りて実行されます。油漏れをより明確に検出するために、AirTender内の油を約390nmに励起波長のピークを持つ蛍光色素で希釈します。そして、AirTenderを適切な紫外線LEDで照らします。このシステム全体は、低コストで検出装置を設計するための試みです。ミニコンピュータのようなオンボードデバイスは、サスペンションシステムの近くに置かれ、エアテンダーを縁取るフルHDカメラに接続されています。オンボードデバイスは、ニューラルネットワークアルゴリズムにより、エアテンダーが正常に機能しているか（非リーク画像）、異常があるか（リーク画像）を特定し分類することが可能です。

要約(オリジナル)

In this work, we describe in detail how Deep Learning and Computer Vision can help to detect fault events of the AirTender system, an aftermarket motorcycle damping system component. One of the most effective ways to monitor the AirTender functioning is to look for oil stains on its surface. Starting from real-time images, AirTender is first detected in the motorbike suspension system and then a binary classifier determines whether AirTender is spilling oil or not. The detection is made with the help of the Yolo5 architecture, whereas the classification is carried out with the help of a suitably designed Convolutional Neural Network, OilNet40. In order to detect oil leaks more clearly, we dilute the oil in AirTender with a fluorescent dye with excitation wavelength peak of approximately 390 nm. AirTender is then illuminated with suitable UV LEDs. The whole system is an attempt to design a low-cost detection setup. An on-board device, such as a mini-computer, is placed near the suspension system and connected to a full hd camera framing AirTender. The on-board device, through our Neural Network algorithm, is then able to localize and classify AirTender as normally functioning (non-leak image) or anomaly (leak image).

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL