要約
太陽光発電（PV）発電所のメンテナンスでは、サーマルカメラを搭載した無人航空機（UAV）を利用した検査システムの普及が進んでいます。
ただし、検査タスクの自動化には、最適な距離と視野角から画像を取得するための正確なナビゲーションが必要であるため、困難な問題です。
この論文では、PV モジュールの検出と UAV ナビゲーションを直接統合し、検査中の正確な位置決めを可能にする新しい位置特定パイプラインについて説明します。
検出は、画像内の発電所の構造を識別し、これらを発電所のモデルに関連付けるために使用されます。
初期関連付けに対して視覚的に認識可能なアンカー ポイントを定義し、オブジェクト トラッキングを使用してグローバルな関連付けを識別します。
従来のコンピュータビジョン、ディープラーニング、およびそれらの融合に基づく PV モジュールの視覚的セグメンテーションのための 3 つの異なる方法を提示し、提案された位置特定パイプラインに関連してそれらのパフォーマンスを評価します。
提示された方法は、カスタム航空検査データ セットを使用して検証および評価され、その堅牢性とリアルタイム ナビゲーションへの適用性が実証されました。
さらに、発電所モデルの精度が位置特定方法に及ぼす影響を評価します。
要約(オリジナル)
Inspection systems utilizing unmanned aerial vehicles (UAVs) equipped with thermal cameras are increasingly popular for the maintenance of photovoltaic (PV) power plants. However, automation of the inspection task is a challenging problem as it requires precise navigation to capture images from optimal distances and viewing angles. This paper presents a novel localization pipeline that directly integrates PV module detection with UAV navigation, allowing precise positioning during inspection. Detections are used to identify the power plant structures in the image and associate these with the power plant model. We define visually recognizable anchor points for the initial association and use object tracking to discern global associations. We present three distinct methods for visual segmentation of PV modules based on traditional computer vision, deep learning, and their fusion, and we evaluate their performance in relation to the proposed localization pipeline. The presented methods were verified and evaluated using custom aerial inspection data sets, demonstrating their robustness and applicability for real-time navigation. Additionally, we evaluate the influence of the power plant model’s precision on the localization methods.
arxiv情報
| 著者 | Viktor Kozák,Karel Košnar,Jan Chudoba,Miroslav Kulich,Libor Přeučil |
| 発行日 | 2025-01-24 15:48:41+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google