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

Propose un CNN en cascade qui localise d’abord les isolateurs dans les images aériennes, puis y détecte les défauts, en divisant la tâche en deux niveaux de détection. Les méthodes antérieures, à caractéristiques conçues à la main ou peu profondes, ne fonctionnaient que dans des conditions restreintes face aux arrière-plans aériens encombrés. La rareté des images de défauts a été compensée par des transformations affines, un découpage-collage sur de nouveaux arrière-plans, un flou gaussien et des variations de luminosité.

Principaux résultats

• 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

Limites

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