Robust Wind Turbine Blade Segmentation from RGB Images in the Wild

要約

風力産業の絶え間ない成長に伴い、風力タービンのメンテナンスのための自動データ駆動型ソリューションを設計することが急務となっています。
構造健全性の監視は主に目視検査に依存しているため、自動ソリューションの最初の段階は画像上でブレード領域を識別することです。
したがって、我々は、隣接性正則化項を使用して焦点損失をプールする、調整された損失によって U-Net の結果を強化する新しいセグメンテーション アルゴリズムを提案します。
最高のパフォーマンスの結果を達成するために、信頼性が高く、汎用的で堅牢かつ効率的なアルゴリズムを保証する一連の追加ステップが提案されています。
まず、一時的に分類されたブレード ピクセルと画像の境界によって囲まれた穴を埋めることによって、画像に関する事前の知識を活用します。
その後、オンザフライのランダム フォレストをトレーニングすることにより、誤解を招く分類されたピクセルが正常に修正されます。
私たちのアルゴリズムは、97.39% という非常に高い精度に達する有効性を実証しています。

要約(オリジナル)

With the relentless growth of the wind industry, there is an imperious need to design automatic data-driven solutions for wind turbine maintenance. As structural health monitoring mainly relies on visual inspections, the first stage in any automatic solution is to identify the blade region on the image. Thus, we propose a novel segmentation algorithm that strengthens the U-Net results by a tailored loss, which pools the focal loss with a contiguity regularization term. To attain top performing results, a set of additional steps are proposed to ensure a reliable, generic, robust and efficient algorithm. First, we leverage our prior knowledge on the images by filling the holes enclosed by temporarily-classified blade pixels and by the image boundaries. Subsequently, the mislead classified pixels are successfully amended by training an on-the-fly random forest. Our algorithm demonstrates its effectiveness reaching a non-trivial 97.39% of accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google