Wind Turbine Blade Surface Damage Detection based on Aerial Imagery and VGG16-RCNN Framework

要約

この原稿では、風力タービン ブレードの表面損傷検出のための画像解析ベースのディープ ラーニング フレームワークが提案されています。
タービン重量の約 3 分の 1 のタービン ブレードは損傷を受けやすく、グリッドに接続された風力エネルギー変換システムの突然の誤動作を引き起こす可能性があります。
風力タービン ブレードの表面損傷検出には、初期段階で損傷の種類を検出するために、大規模なデータセットが必要です。
タービン ブレードの画像は、航空画像によってキャプチャされます。
検査の結果、画像データセットが限られていることが判明したため、ブレード画像データセットを改善するために画像拡張が適用されました。
このアプローチは、マルチクラスの教師あり学習問題としてモデル化され、畳み込みニューラル ネットワーク (CNN)、VGG16-RCNN、AlexNet などのディープ ラーニング手法がテストされて、タービン ブレード表面損傷の潜在的な能力が判断されます。

要約(オリジナル)

In this manuscript, an image analytics based deep learning framework for wind turbine blade surface damage detection is proposed. Turbine blade(s) which carry approximately one-third of a turbine weight are susceptible to damage and can cause sudden malfunction of a grid-connected wind energy conversion system. The surface damage detection of wind turbine blade requires a large dataset so as to detect a type of damage at an early stage. Turbine blade images are captured via aerial imagery. Upon inspection, it is found that the image dataset was limited and hence image augmentation is applied to improve blade image dataset. The approach is modeled as a multi-class supervised learning problem and deep learning methods like Convolutional neural network (CNN), VGG16-RCNN and AlexNet are tested for determining the potential capability of turbine blade surface damage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google