砍伐或烧毁：用于野火预防的电力线与植被分类
计算机视觉与模式识别
2021-05-11 v1 人工智能
机器学习
摘要
电力公用事业公司正努力在更炎热干燥的气候下管理日益增长的野火风险。当公用事业输电与配电线路与周边植被接触时，会定期引发破坏性火灾。修剪植被以保持与公用事业设施的距离，对安全至关重要，也同样困难。每家公用事业公司都有数万线性英里需要管理，对资产位置知之甚少，且无法优先安排修剪。特征增强的卷积神经网络（CNNs）已在这一问题领域被证明有效。方向梯度直方图（HOG）与 Hough 变换被用于增强电力线和电杆等线性结构的显著性。数据常取自无人机或卫星影像，但 Google 街景提供了更具可扩展性与更低成本的方案。本文使用从街景抓取的 张图像，在流行 CNN 上迁移学习，并结合特征工程，将图像归入三类之一：(1) 无公用事业系统，(2) 有公用事业系统但无过度生长植被，或 (3) 有公用事业系统且有过度生长植被。CNN 输出由此产生一个优先植被管理系统，并作为副产品生成带地理标签的公用事业资产地图。使用带有训练首层与分类器的 VGG11 在测试集上准确率达 ，而一个模型集成正确分类了 具有风险植被过度生长的图像。
引用
@article{arxiv.2105.03804,
title = {Slash or burn: Power line and vegetation classification for wildfire prevention},
author = {Austin Park and Farzaneh Rajabi and Ross Weber},
journal= {arXiv preprint arXiv:2105.03804},
year = {2021}
}