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
Abstrak sudah dibaca Sitasi: openalex: 775 · semanticScholar: 684 (2026-10-22)
Mengusulkan CNN berjenjang yang mula-mula menemukan isolator pada citra udara, lalu mendeteksi cacat di dalamnya, dengan membagi tugas menjadi dua tingkat deteksi. Metode yang dirancang secara manual atau yang dangkal sebelumnya hanya bekerja pada kondisi yang sempit, karena latar citra udara yang ramai. Kelangkaan citra cacat diatasi dengan transformasi afin, potong-dan-tempel ke latar baru, blur Gaussian, dan perubahan kecerahan.
Temuan utama
- 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
Keterbatasan
- Abstract only reviewed
- Evaluation on one dataset; defect type mainly missing insulator caps
- Heavy reliance on synthetic augmentation may not reflect real defect variety