基于无人机影像的复合风力涡轮机叶片半监督表面异常检测
计算机视觉与模式识别
2021-12-02 v1 图像与视频处理
摘要
在商业风能发电中，风力涡轮机叶片的现场监测与预测性维护是一项关键任务，通过无人机（UAV）航拍遥感监测已十分普遍。涡轮机叶片随时间易受运行与天气相关损伤，降低涡轮机的能量效率输出。在本研究中，我们致力于将耗时的人工叶片检测与提取以及 UAV 捕获的叶片巡检影像中的故障检测任务自动化。我们提出 BladeNet，一种基于应用的鲁棒双架构，先执行无监督涡轮机叶片检测与提取，随后使用简单线性迭代聚类（SLIC）方法生成超像素以产生区域簇。这些簇再由一套半监督检测方法处理。我们的双架构以高超能力检测玻璃纤维复合材料叶片的表面故障，同时仅需极少量先验人工影像标注。BladeNet 在我们的 {\O}rsted 海上风力涡轮机叶片巡检数据集上取得 0.995 的平均精度（AP），在丹麦技术大学（DTU）NordTank 涡轮机叶片巡检数据集上取得 0.223 的 AP；并在 {\O}rsted 叶片巡检数据集上取得 0.639 的表面异常检测 AUC。
引用
@article{arxiv.2112.00556,
title = {Semi-Supervised Surface Anomaly Detection of Composite Wind Turbine Blades From Drone Imagery},
author = {Jack. W. Barker and Neelanjan Bhowmik and Toby. P. Breckon},
journal= {arXiv preprint arXiv:2112.00556},
year = {2021}
}
备注
In-proceedings at 2022 17th International Conference on Computer Vision Theory and Applications (VISAPP)