Thermal and RGB Images Work Better Together in Wind Turbine Damage Detection

要約

風力タービンブレード (WTB) の検査は、構造の完全性と運用効率を確保するために非常に重要です。
従来の検査方法は危険で非効率的な場合があり、到達困難なエリアにアクセスして高解像度の画像を取得する無人航空機 (UAV) の使用が促されています。
この研究では、UAV から取得した熱画像と RGB 画像を統合することにより、WTB の欠陥検出を強化するという課題に取り組みます。
空間座標変換、キーポイント検出、バイナリ記述子の作成、重み付け画像オーバーレイを通じて熱画像と RGB 画像を組み合わせるマルチスペクトル画像合成方法を提案します。
欠陥の注釈が付けられた WTB 画像のベンチマーク データセットを使用して、いくつかの最先端の物体検出モデルを評価しました。
私たちの結果は、合成画像により欠陥検出効率が大幅に向上することを示しています。
具体的には、YOLOv8 モデルの精度は 91% から 95%、精度は 89% から 94%、再現率は 85% から 92%、F1 スコアは 87% から 93% に増加しました。
誤検知の数は 6 件から 3 件に減少し、欠陥の見逃しは 5 件から 2 件に減少しました。これらの調査結果は、熱画像と RGB 画像を統合することで WTB の欠陥検出が向上し、メンテナンスと信頼性の向上に貢献することを示しています。

要約(オリジナル)

The inspection of wind turbine blades (WTBs) is crucial for ensuring their structural integrity and operational efficiency. Traditional inspection methods can be dangerous and inefficient, prompting the use of unmanned aerial vehicles (UAVs) that access hard-to-reach areas and capture high-resolution imagery. In this study, we address the challenge of enhancing defect detection on WTBs by integrating thermal and RGB images obtained from UAVs. We propose a multispectral image composition method that combines thermal and RGB imagery through spatial coordinate transformation, key point detection, binary descriptor creation, and weighted image overlay. Using a benchmark dataset of WTB images annotated for defects, we evaluated several state-of-the-art object detection models. Our results show that composite images significantly improve defect detection efficiency. Specifically, the YOLOv8 model’s accuracy increased from 91% to 95%, precision from 89% to 94%, recall from 85% to 92%, and F1-score from 87% to 93%. The number of false positives decreased from 6 to 3, and missed defects reduced from 5 to 2. These findings demonstrate that integrating thermal and RGB imagery enhances defect detection on WTBs, contributing to improved maintenance and reliability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google