Wind Turbine Surface Damage Detection by Deep Learning Aided Drone Inspection Analysis

ドローンで撮った風車ブレードの高解像度画像から、前縁のエロージョン、ボルテックスジェネレーター（欠けを含む）、雷レセプターを自動検出する深層学習の研究。Faster R-CNNを複数の骨格ネットワークで比較し、画像を縮尺を変えて切り出すピラミッド型の拡張で精度が大きく上がることを示した。デンマークの風車の画像で学習し、1基分の画像データを公開している。人の判定と比べ、AIの提案を見せると人の作業時間が短くなった。

方法：4000×3000画素のドローン画像に4種類の損傷・部品をラベル付けし、Faster R-CNNを各種の骨格と拡張方法で学習・比較し、人の判定時間・精度とも比べた。

主な結果

• Best mAP 81.1% (Inception-ResNet-V2 with pyramid, patching and regular augmentation) versus 27.5% with no augmentation
• Inference 1.36-2.11 s per high-resolution image versus about 200 s for a human, or about 131 s with model suggestions
• Human precision 83.2%; humans aided by suggestions 85.3%
• Public DTU dataset of 701 images of one turbine released

限界

• Surface damage only; internal damage such as delamination out of scope
• Small, imbalanced training data (e.g. 17 lightning-receptor annotations); lightning receptors 71.6% vs 98.7% for humans
• Main dataset private; public set covers a single turbine
• IoU threshold reported inconsistently in the paper