به همت بنیاد ملی علم ایران و در قالب یک پژوهش بررسی شد: تشخیص اشیای کوچک در تصاویر پهپادی

رساله‌ دکتری با عنوان «تشخیص اشیای کوچک در تصاویر پهپادی مبتنی بر فرا‌تفکیک‌پذیری تصویری با نگاه کاربردی در صنعت برق» با حمایت بنیاد ملی علم ایران انجام شده است.

به گزارش خبرگزاری سینا ، رساله‌ دکتری شهرزاد فلاحت‌نژاد با عنوان «تشخیص اشیای کوچک در تصاویر پهپادی مبتنی بر فرا‌تفکیک‌پذیری تصویری با نگاه کاربردی در صنعت برق» با راهنمایی اعظم کرمی و مشاوره‌ حسین نظام‌آبادی‌پور و با حمایت بنیاد ملی علم ایران انجام شده است.

فلاحت‌نژاد در توضیح اهمیت این پژوهش گفت: در صنعت برق، خطوط انتقال و فوق‌ توزیع، نقش بسیار مهمی در انتقال جریان الکتریکی از نیروگاه‌ها به مصرف‌کنندگان دارند. این خطوط در اثر عواملی مانند طوفان، یخبندان، صاعقه، برخورد پرندگان یا سایر عوامل محیطی ممکن است دچار نقص یا اتصال کوتاه شوند. قطع برق در چنین شرایطی می‌تواند موجب خسارت‌های اقتصادی سنگین به بخش صنعت و اختلال در زندگی روزمره‌ مردم شود. به دلیل تنوع تجهیزات موجود در این خطوط، لازم است به‌صورت دوره‌ای مورد بازرسی قرار گیرند.

وی افزود: در گذشته، بازرسی این خطوط به‌صورت بصری و توسط کارشناسان صورت می‌گرفت. در روش بازدید صعودی، تکنسین باید برای بررسی دکل‌ها جریان برق را قطع کند، که این امر ممکن است منجر به خسارات مالی و حتی فنی برای شرکت‌های برق منطقه‌ای، نیروگاه‌ها و صنایع متصل به خطوط شود. علاوه‌بر این، دید محدود تکنسین در هنگام بازدید صعودی و اعمال سلیقه‌ شخصی در تشخیص عیوب، می‌تواند منجر به خطاهای انسانی و در نتیجه بروز مشکلات فنی و اقتصادی شود.

فلاحت‌نژاد خاطرنشان کرد: در سال‌های اخیر، استفاده از پهپادها برای بازرسی خطوط انتقال برق مورد توجه قرار گرفته است. در این روش، تصاویر متعددی از هر دکل ثبت می‌شود و سپس کارشناسان به‌صورت بصری آن‌ها را بررسی می‌کنند. هرچند این روش خطرات و دشواری‌های بازرسی صعودی را کاهش می‌دهد، اما تحلیل دستی حجم بالای تصاویر بسیار زمان‌بر و مستعد خطاست. از این‌رو، بهره‌گیری از هوش مصنوعی و یادگیری عمیق برای تحلیل خودکار تصاویر به یک ضرورت تبدیل شده است.

وی در ادامه بیان کرد: بااین‌حال، شبکه‌های یادگیری عمیق موجود در تشخیص عیوب بسیار کوچک خطوط انتقال، مانند کسری پیچ‌ومهره، شلی پیچ‌ومهره، کسری یا نقص اشپیل که نقش حیاتی در پایداری دکل‌ها دارند، عملکرد مناسبی ندارند؛ زیرا این عیوب معمولاً کمتر از یک درصد از کل پیکسل‌های تصویر پهپادی را تشکیل می‌دهند. برای حل این مشکل، در این پژوهش از روشی مبتنی بر فرا‌تفکیک‌پذیری تصویری استفاده شده است تا با افزایش وضوح مؤثر تصاویر، قابلیت تشخیص این عیوب کوچک بهبود یابد.

فلاحت‌نژاد در پایان خاطرنشان کرد: الگوریتم پیشنهادی این پژوهش شامل دو شبکه‌ یادگیری عمیق است: یکی برای فرا‌تفکیک‌پذیری تصویری و دیگری برای تشخیص اشیای کوچک. این دو شبکه به‌صورت سرتاسری آموزش داده شده و از بازخورد یکدیگر برای بهبود عملکرد بهره می‌برند. نتایج حاصل از این مدل منجر به شناسایی دقیق عیوب کوچک در خطوط برق چندین استان کشور شده و از بروز خاموشی‌ها و خسارات سنگین اقتصادی جلوگیری کرده است.

نوشته به همت بنیاد ملی علم ایران و در قالب یک پژوهش بررسی شد:
تشخیص اشیای کوچک در تصاویر پهپادی اولین بار در خبرگزاری سیناپرس . پدیدار شد.