Detection of tilted electricity poles using image processing and computer vision techniques
Riskli eğilmiş elektrik direklerinin görüntü işleme ve bilgisayarlı görü teknikleri ile tespiti
- Tez No: 1000905
- Danışmanlar: DOÇ. DR. ONUR PEKCAN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kesintisiz enerji tedariği sağlamak için elektriğin bir noktadan diğerine verimli bir şekilde taşınmasında düzenli bakım şarttır ve risk değerlendirmeleri zorunludur. İnsanlardan oluşan personel grubunun ağırlıklı olarak bu tür görevleri yerine getirmesi, önemli bir iş gücü gerektirmesi ve hatalara neden olması nedeniyle, elektrik direklerinin etkin bir şekilde incelenmesi ve olası anormalliklerin tespit edilmesi için otonom ve verimli yöntemler gerekmektedir. Bu çalışma, bir anormallik türünü (güvensiz şekilde eğilmiş elektrik direkleri) ele almak için otonom bir risk sınıflandırma modeli sunmaktadır. Bu çalışma sırasında İnsansız Hava Araçları (İHA) aracılığıyla çeşitli bölgelerden 8775 adet elektrik direği görüntüsünden oluşan kapsamlı bir veri toplanmıştır. Önerilen modele bir nesne tespit modeli olan Faster R-CNN entegre edilerek farklı türdeki elektrik direklerini (çelik, beton ve ahşap) kesin olarak tanımlanmıştır. Daha sonra elektrik direklerinin eğim açılarını doğru bir şekilde belirlemek için görüntü işleme teknikleri uygulanmıştır. Elektrik direkleri bu açılara göre“riskli”ve“risksiz”olarak sınıflandırılarak yapısal bütünlük ve sağlamlıklarına işaret edilir. Önerilen modelin test sonuçları şu iki önemli sonucu ortaya koymaktadır: (a) Elektrik direkleri ortalama %94.40'lık bir ortalama hassasiyet oranıyla tespit edilebilmektedir ve (b) Direkleri temsil eden çizgiler ve ilgili eğim açıları şu şekilde ölçülebilmektedir: yüksek bir performans sergileyen %95.95'lik bir doğruluk. Bu model, eğik elektrik direkleriyle ilişkili risklerin pratik olarak tespit edilmesi konusunda umut vaat etmekte ve güç dağıtım sistemlerinin güvenilirliğinin ve emniyetinin sağlanmasına önemli ölçüde katkıda bulunabilmesi öngörülmektedir.
Özet (Çeviri)
Regular maintenance is essential in efficiently transporting electricity from one point to another to ensure an uninterrupted energy supply, and risk assessments are imperative. Since human personnel predominantly carry out such tasks, demanding a considerable workforce and causing errors, autonomous and efficient methods for effectively surveying electricity poles to detect possible anomalies are required. This study presents an autonomous risk classification model to address an anomaly type: insecurely tilted electricity poles. During this study, extensive data, 8775 electricity pole images, was gathered from various regions by Unmanned Aerial Vehicles (UAVs). An object detector, Faster R-CNN, within the proposed model was integrated to precisely identify different types of electricity poles: steel, concrete, and wooden. Subsequently, image processing techniques are deployed to determine pole tilt angles accurately. Based on these angles, electricity poles are classified as“risky”or“not risky,”indicating their structural integrity and stability. The test results of the proposed model reveal the following two significant outcomes: (a) Electricity poles can be detected with a mean average precision rate of 94.40%, and (b) Representative lines for the poles and their respective tilt angles can be measured with an accuracy of 95.95%, which demonstrates an exceptional performance. This model holds substantial promise for practically detecting risks associated with tilted electricity poles and can significantly contribute to ensuring the reliability and safety of power distribution systems.
Benzer Tezler
- Deprem sonrasında insansız hava araçları ile temin edilen görüntülerden üretilen 3B nokta bulutu ve mevcut kadastral haritalar ile hasarlı binaların otomatik tespiti
Automatic detection of damaged buildings after the earthquake with current cadastral maps and 3D point cloud produced from images supplied by unmanned aircraft after the earthquake
ÖMER CANÖZÜ
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRETTİN ACAR
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Design, fabrication and characterization of a MOEMS based thermal imaging system
MOEMS tabanlı termal görüntüleme sistemi tasarımı, üretimi ve testi
ONUR FERHANOĞLU
Doktora
İngilizce
2010
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ÜREY
- Bilgisayar ortamında insan yüzü algılama
Computer based human face detection
İRFAN MUHAMMAD
Doktora
Türkçe
2001
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖNDER TÜZÜNALP
YRD. DOÇ. DR. ZİYA TELATAR
- Kaya kütlesindeki süreksizliklerin pürüzlülük ölçümleri için objektif yöntemlerin geliştirilmesi
Development of objective methods for measuring roughness of discontinuity surfaces in rock mass
İBRAHİM EMRE ÖNSEL
Doktora
Türkçe
2014
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CÜNEYT ATİLLA ÖZTÜRK