Real-Time Damage Detection in Fiber Lifting Ropes Using Convolutional Neural Networks

要約

磨耗したクレーン吊り上げロープによる健康と安全の危険性から、定期的な損傷検査が義務付けられています。
この作業は時間がかかり、人的ミスが発生しやすく、操作を停止し、ロープの早期廃棄につながる可能性があります。
したがって、ディープラーニングとコンピューター ビジョンの手法を使用して、損傷したロープを検出するプロセスを自動化することを提案します。
具体的には、畳み込みニューラル ネットワーク (CNN) を使用して合成繊維ロープ画像の損傷を検出するための新しい視覚ベースのシステムを提示します。
私たちは、カメラベースの装置を使用して、動作中の吊り上げロープの表面を撮影し、ロープの健康状態の進行性の摩耗や劣化を捉えます。
コネクレーンズの専門家が、ロープの状態に従って収集した画像に注釈を付けます。
正常または破損しています。
次に、画像を前処理し、体系的な方法で CNN モデルを設計し、その検出と予測のパフォーマンスを評価し、計算の複雑さを分析し、他のさまざまなモデルと比較します。
実験結果は、提案されたモデルが 96.4% の精度、95.8% の精度、97.2% の再現率、96.5% の F1 スコア、および 99.2% の AUC で他の手法より優れていることを示しています。
さらに、モデルのリアルタイム操作、メモリ フットプリントが小さいこと、さまざまな環境および操作条件に対する堅牢性、産業システムへの展開に適していることを示しています。

要約(オリジナル)

The health and safety hazards posed by worn crane lifting ropes mandate periodic inspection for damage. This task is time-consuming, prone to human error, halts operation, and may result in the premature disposal of ropes. Therefore, we propose using deep learning and computer vision methods to automate the process of detecting damaged ropes. Specifically, we present a novel vision-based system for detecting damage in synthetic fiber rope images using convolutional neural networks (CNN). We use a camera-based apparatus to photograph the lifting rope’s surface, while in operation, and capture the progressive wear-and-tear as well as the more significant degradation in the rope’s health state. Experts from Konecranes annotate the collected images in accordance with the rope’s condition; normal or damaged. Then, we pre-process the images, design a CNN model in a systematic manner, evaluate its detection and prediction performance, analyze its computational complexity, and compare it with various other models. Experimental results show the proposed model outperforms other techniques with 96.4% accuracy, 95.8% precision, 97.2% recall, 96.5% F1-score, and 99.2% AUC. Besides, they demonstrate the model’s real-time operation, low memory footprint, robustness to various environmental and operational conditions, and adequacy for deployment in industrial systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google