تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTL
در سالهای اخیر تشخیص اشیاء کوچک با استفاده از تکنیکهای یادگیری عمیق در بسیاری از کاربردهای عملی مورد توجه خاص قرار گرفته است و امری چالش برانگیز میباشد، زیرا اشیاء کوچک در تصاویر وضوح کمی دارند و حاوی اطلاعات دقیق نیستند. در این مقاله یک آشکارساز دومرحله ای جدید مبتنی بر تشخیص اشیاء با هرم ویژگی...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
University of Tabriz
2020-11-01
|
| Series: | پردازش سیگنال پیشرفته |
| Subjects: | |
| Online Access: | https://jasp.tabrizu.ac.ir/article_13780_215adbc4d2ab6e8bbc6df98ccf59c135.pdf |
| _version_ | 1828851836309733376 |
|---|---|
| author | میتر ا پیروحسینی نژاد اعظم کرمی |
| author_facet | میتر ا پیروحسینی نژاد اعظم کرمی |
| author_sort | میتر ا پیروحسینی نژاد |
| collection | DOAJ |
| description | در سالهای اخیر تشخیص اشیاء کوچک با استفاده از تکنیکهای یادگیری عمیق در بسیاری از کاربردهای عملی مورد توجه خاص قرار گرفته است و امری چالش برانگیز میباشد، زیرا اشیاء کوچک در تصاویر وضوح کمی دارند و حاوی اطلاعات دقیق نیستند. در این مقاله یک آشکارساز دومرحله ای جدید مبتنی بر تشخیص اشیاء با هرم ویژگی بازگشتی و نرخ Atrousبا استفاده از آشکارساز (DetectoRS) جهت تشخیص هوشمند عیوب کوچک و مهم خطوط انتقال برق معرفی شده و معماری DetectoRS در این راستا به طور کامل اصلاح شده است. در روش پیشنهادی DRSPTL از Cascade R-CNN با ResNext-101جهت افزایش دقت در تشخیص عیوب کوچک استفاده شده است. در این مقاله تصاویر RGB با وضوح بالا توسط پهپاد از خطوط انتقال شرکتهای برق منطقهای تهران، کرمان، شیراز، اصفهان و اهواز تهیه شده، و مجموعه دادههای آموزش و تست مربوط به عیوب توسط گروهی از متخصصین آماده شده است. برای ساخت دادههای آموزش، تقریباً 80% از کل مجموعه تصاویر حاوی عیوب کوچک، انتخاب و برچسب گذاری شدند. DRSPTL بالاترین دقت را در مقایسه با دو روش معتبر در زمینه تشخیص اشیاء RetinaNet و RepPoints دارا میباشد. قابل ذکر است که با توجه به نتایج بدست آمده می توان با شناسایی اتوماتیک عیوب و جلوگیری از وقوع بسیاری از قطعیهای برق، باعث کاهش چشمگیر زمان و هزینه شرکتهای برق منطقه ای شد. |
| first_indexed | 2024-12-12T23:39:43Z |
| format | Article |
| id | doaj.art-48c3f239ecb44a2f99112697a5edcff8 |
| institution | Directory Open Access Journal |
| issn | 2676-3397 2676-3400 |
| language | fas |
| last_indexed | 2024-12-12T23:39:43Z |
| publishDate | 2020-11-01 |
| publisher | University of Tabriz |
| record_format | Article |
| series | پردازش سیگنال پیشرفته |
| spelling | doaj.art-48c3f239ecb44a2f99112697a5edcff82022-12-22T00:07:14ZfasUniversity of Tabrizپردازش سیگنال پیشرفته2676-33972676-34002020-11-014215917010.22034/jasp.2021.46213.114813780تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTLمیتر ا پیروحسینی نژاد0اعظم کرمی1دانشگاه شهید باهنر کرمان-ایراندانشکده فیزیک، دانشگاه شهید باهنر کرمان، کرمان، ایراندر سالهای اخیر تشخیص اشیاء کوچک با استفاده از تکنیکهای یادگیری عمیق در بسیاری از کاربردهای عملی مورد توجه خاص قرار گرفته است و امری چالش برانگیز میباشد، زیرا اشیاء کوچک در تصاویر وضوح کمی دارند و حاوی اطلاعات دقیق نیستند. در این مقاله یک آشکارساز دومرحله ای جدید مبتنی بر تشخیص اشیاء با هرم ویژگی بازگشتی و نرخ Atrousبا استفاده از آشکارساز (DetectoRS) جهت تشخیص هوشمند عیوب کوچک و مهم خطوط انتقال برق معرفی شده و معماری DetectoRS در این راستا به طور کامل اصلاح شده است. در روش پیشنهادی DRSPTL از Cascade R-CNN با ResNext-101جهت افزایش دقت در تشخیص عیوب کوچک استفاده شده است. در این مقاله تصاویر RGB با وضوح بالا توسط پهپاد از خطوط انتقال شرکتهای برق منطقهای تهران، کرمان، شیراز، اصفهان و اهواز تهیه شده، و مجموعه دادههای آموزش و تست مربوط به عیوب توسط گروهی از متخصصین آماده شده است. برای ساخت دادههای آموزش، تقریباً 80% از کل مجموعه تصاویر حاوی عیوب کوچک، انتخاب و برچسب گذاری شدند. DRSPTL بالاترین دقت را در مقایسه با دو روش معتبر در زمینه تشخیص اشیاء RetinaNet و RepPoints دارا میباشد. قابل ذکر است که با توجه به نتایج بدست آمده می توان با شناسایی اتوماتیک عیوب و جلوگیری از وقوع بسیاری از قطعیهای برق، باعث کاهش چشمگیر زمان و هزینه شرکتهای برق منطقه ای شد.https://jasp.tabrizu.ac.ir/article_13780_215adbc4d2ab6e8bbc6df98ccf59c135.pdfیادگیری عمیقتشخیص هوشمند عیوب کوچکخطوط انتقال برقتصاویر پهپادی |
| spellingShingle | میتر ا پیروحسینی نژاد اعظم کرمی تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTL پردازش سیگنال پیشرفته یادگیری عمیق تشخیص هوشمند عیوب کوچک خطوط انتقال برق تصاویر پهپادی |
| title | تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTL |
| title_full | تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTL |
| title_fullStr | تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTL |
| title_full_unstemmed | تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTL |
| title_short | تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از DRSPTL |
| title_sort | تشخیص هوشمند عیوب کوچک خطوط انتقال برق در تصاویر پهپادی با استفاده از drsptl |
| topic | یادگیری عمیق تشخیص هوشمند عیوب کوچک خطوط انتقال برق تصاویر پهپادی |
| url | https://jasp.tabrizu.ac.ir/article_13780_215adbc4d2ab6e8bbc6df98ccf59c135.pdf |
| work_keys_str_mv | AT mytrạpyrwḥsynynzẖạd tsẖkẖyṣhwsẖmndʿywbḵwcẖḵkẖṭwṭạntqạlbrqdrtṣạwyrphpạdybạạstfạdhạzdrsptl AT ạʿẓmḵrmy tsẖkẖyṣhwsẖmndʿywbḵwcẖḵkẖṭwṭạntqạlbrqdrtṣạwyrphpạdybạạstfạdhạzdrsptl |