Detection of Power Line Insulator Defects Using Aerial Images Analyzed With Convolutional Neural Networks

Propone una CNN en cascada que primero localiza aisladores en imágenes aéreas y luego detecta defectos en ellos, dividiendo la tarea en dos niveles de detección. Los métodos anteriores, artesanales o superficiales, solo funcionaban en condiciones estrechas dados los fondos aéreos abigarrados. La escasez de imágenes de defectos se abordó con transformaciones afines, recorte y pegado sobre nuevos fondos, desenfoque gaussiano y cambios de brillo.

Hallazgos clave

• 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

Limitaciones

• Abstract only reviewed
• Evaluation on one dataset; defect type mainly missing insulator caps
• Heavy reliance on synthetic augmentation may not reflect real defect variety