Enhancing Power Grid Inspections with Machine Learning

要約

グローバルなエネルギー需要が増え続けているため、電力グリッドの安全性と信頼性を確保することが重要です。
手動での観察やヘリコプター調査などの従来の検査方法は、リソース集約型であり、スケーラビリティが欠けています。
このペーパーでは、3D Lidar Point Cloudsの高密度で注釈付きのコレクションであるTS40Kデータセットを利用して、電源グリッド検査を自動化するために3Dコンピュータービジョンの使用を調査します。
3Dセマンティックセグメンテーションに集中することにより、私たちのアプローチは、クラスの不均衡や騒々しいデータなどの課題に対処し、送電線やタワーなどの重要なグリッドコンポーネントの検出を強化します。
ベンチマークの結果は、大幅なパフォーマンスの改善を示しており、IOUスコアはトランスベースのモデルを使用して送電線の検出で95.53％に達します。
私たちの調査結果は、MLをグリッドメンテナンスワークフローに統合し、効率を向上させ、積極的なリスク管理戦略を可能にする可能性を示しています。

要約(オリジナル)

Ensuring the safety and reliability of power grids is critical as global energy demands continue to rise. Traditional inspection methods, such as manual observations or helicopter surveys, are resource-intensive and lack scalability. This paper explores the use of 3D computer vision to automate power grid inspections, utilizing the TS40K dataset — a high-density, annotated collection of 3D LiDAR point clouds. By concentrating on 3D semantic segmentation, our approach addresses challenges like class imbalance and noisy data to enhance the detection of critical grid components such as power lines and towers. The benchmark results indicate significant performance improvements, with IoU scores reaching 95.53% for the detection of power lines using transformer-based models. Our findings illustrate the potential for integrating ML into grid maintenance workflows, increasing efficiency and enabling proactive risk management strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google