PAPER P13 · 2020
Detection of Power Line Insulator Defects Using Aerial Images Analyzed With Convolutional Neural Networks
Tao, X., Zhang, D., Wang, Z., Liu, X., Zhang, H., Xu, D. — IEEE Transactions on Systems, Man, and Cybernetics: Systems 50(4):1486-1498
Zusammenfassung gelesen Zitationen: openalex: 775 · semanticScholar: 684 (2026-10-22)
Schlägt ein kaskadiertes CNN vor, das in Luftbildern zunächst Isolatoren lokalisiert und dann Defekte darin erkennt, wodurch die Aufgabe in zwei Erkennungsstufen aufgeteilt wird. Frühere handgefertigte oder flache Verfahren funktionierten angesichts der unruhigen Hintergründe in Luftbildern nur unter engen Bedingungen. Der Mangel an Defektbildern wurde mit affinen Transformationen, Ausschneiden und Einfügen auf neue Hintergründe, Gaußscher Unschärfe und Helligkeitsänderungen ausgeglichen.
Zentrale Ergebnisse
- Precision 0.91 and recall 0.96 on a standard insulator dataset
- Synthetic augmentation (insulator segmentation and background fusion) used to overcome scarce defect images
Grenzen
- Abstract only reviewed
- Evaluation on one dataset; defect type mainly missing insulator caps
- Heavy reliance on synthetic augmentation may not reflect real defect variety