Nov, 2023

无人机图像中电力线资产检查的数据集和基准

PDF
TL;DRPower line maintenance and inspection are crucial to avoid interruptions in the power supply. This paper introduces InsPLAD, a dataset and benchmark for power line asset inspection, containing high-resolution images of power line components and their defects. The dataset evaluates state-of-the-art methods in computer vision tasks related to object detection, defect classification, and anomaly detection.
power line maintenanceinspectionautomatingdatasetcomputer vision tasks
发现论文，激发创造
  • 智能电网中用于电力线路检测的自主点云分割

    利用无人监督机器学习框架，从 LiDAR 数据中检测、提取和分析高低压电力线路以及周围植被的特征，进而进行基于电力线路走廊的危险性分析。

    Aug, 2023

  • LS-Net：快速单次扫描线段检测器

    本文介绍了 LS-Net 单次拍摄行段检测器，将其应用于无人机的输电线路检测中，该方法不仅快速准确，而且通过物理渲染技术生成的合成图像进行数据增强，使其在自主避障和自主飞行方面具有广泛的应用前景。

    Dec, 2019

  • LADI v2：低海拔灾害图像的多标签数据集和分类器

    基于机器学习的计算机视觉模型在自然灾害后的应急管理操作中是有前景的工具，而空中拍摄的照片则可以为情境感知和损伤评估等应用提供宝贵的信息。然而，在灾害发生后可能拍摄的数以万计的照片中，应急管理人员通常面临寻找最相关照片的挑战。为了解决这个问题，我们提出了 LADI v2 数据集，这是一个由美国国土出生队（Civil Air Patrol, CAP）于 2015 年至 2023 年响应联邦宣布的紧急情况期间捕获的约 10,000 张灾害图像的精选集，并由经过培训的 CAP 志愿者注释为多标签分类。我们还提供了两个预训练的基线分类器，并将它们的性能与最先进的图像 - 语言模型在多标签分类中进行了比较。我们公开发布数据和代码来支持应急管理研究和应用中计算机视觉模型的开发。

    Jun, 2024

  • 电力线路绝缘子自动检测的异常检测

    基于对象检测与异常检测的两阶段方法用于可靠检测绝缘子的故障，结果表明在较少的真实异常样本训练集下，该模型能够准确地识别绝缘子盘上的故障区域，但有一些错误预测。

    Nov, 2023

  • 利用新数据潜力增强电力网的电力线通信

    提出了基于功率线通信 (PLC) 基础设施测量的两个数据集，主要研究低压配电网络的使用案例，包括资产管理、电网状态可视化、预测性维护和新颖性检测等多个方面，强调了机器学习在现实数据中实现对电力网的提取和应用的潜力。

    Sep, 2022

  • 面向道路检测的渐进式 LiDAR 自适应技术

    本文提出 Progressive LiDAR Adaptation-aided Road Detection (PLARD) 方法，通过数据空间适应和特征空间适应两个子模块，将 LiDAR 信息与视觉图像信息融合，显著提高道路监测的性能，在 KITTI 路面检测数据集上性能媲美甚至超过其他先进的道路监测模型。

    Apr, 2019

  • 基于视觉的着陆数据集 -- 用于着陆接近跑道检测

    介绍了一个高质量的航空景象数据集，其中包括大量的合成图像和手动标注的真实着陆图像，以应对自主降落系统中数据不足和缺乏开源数据集的问题并支持跑道检测等任务。

    Apr, 2023

  • VISION 数据集：基于视觉的工业检测基准测试

    通过引入 VISION 数据集，我们希望为实现基于视觉的工业检测的进一步提高带来新的挑战和方法。

    Jun, 2023

  • AVOIDDS: 基于飞机视觉的入侵者检测数据集与模拟器

    本文介绍了 AVOIDDS，这是一个逼真的目标检测基准测试，包含了 72000 个逼真的图片数据集，以及相应的模型评估接口和整个仿真问题的解决方案，在安全关键应用中，这样的基准测试将有助于设计稳健的机器学习系统。

    Jun, 2023

  • Real-IAD: 用于评估多视角工业异常检测的现实世界数据集

    提出了一个大规模、真实世界的多视角工业异常检测数据集（Real-IAD），包含 30 种对象的 15 万张高清图片，相比现有数据集大一个数量级。该数据集具有更大范围的缺陷区域和比例，具有更高的挑战性。在提供了常用 IAD 方法在该数据集上的结果后，为推动 IAD 领域的发展提供了一个极具挑战性的基准。

    Mar, 2024