Precyzyjny podział obrazów łopat turbin wiatrowych o wysokiej rozdzielczości w celu poprawy wykrywania defektów

Turbina wiatrowa Wykrywanie defektów Podział obrazów na fragmenty Wysoka rozdzielczość Głębokie uczenie

Streszczenie redakcyjne

Obrazy łopat o wysokiej rozdzielczości są dzielone na mniejsze obszary, aby drobne defekty pozostały widoczne dla detektora. Badanie porównuje przetwarzanie fragmentów i wnioskowanie z podziałem obrazu dla różnych modeli głębokiego uczenia, wykorzystując zdjęcia uszkodzeń powierzchni turbin z UAV.

Opis bibliograficzny

Format cytowania wymagany przez czasopismo lub organizację sprawdź w rekordzie wydawcy.

Serhii Svystun, Oleksandr Melnychenko, Pavlo Radiuk, Oleg Savenko, Anatoliy Sachenko. "Precision Slicing for Enhanced Defect Detection in High-Resolution Wind Turbine Blade Imagery". ICyberPhyS 2024, pp. 1-18, 2024.

Powiązane badania

Powiązane publikacje

Artykuły w czasopismach

2025DOI

Ocena krytyczności defektów turbin wiatrowych za pomocą fuzji wielospektralnych danych UAV i logiki rozmytej

Pavlo Radiuk, Bohdan Rusyn, Oleksandr Melnychenko, Tomasz Perzynski, Anatoliy Sachenko, Serhii Svystun, Oleg Savenko

Energies 18(17), 4523

Turbina wiatrowaWykrywanie defektówObrazowanie wielospektralneUAV+2

Artykuły w czasopismach

2024DOI

Obrazy termiczne i RGB lepiej współdziałają w wykrywaniu uszkodzeń turbin wiatrowych

Serhii Svystun, Oleksandr Melnychenko, Pavlo Radiuk, Oleg Savenko, Anatoliy Sachenko, Andrii Lysyi

International Journal of Computing 23(4), 526-535

Turbina wiatrowaObrazowanie termiczneRGBFuzja obrazów+2

Badania w praktyce

Sprawdź metodę w swoim zastosowaniu.

Opisz decyzję, którą ma wspierać Twój system, oraz dostępne dane. Ocenimy przydatność metody, określimy zakres prototypu i uzgodnimy sposób pomiaru jakości, czasu odpowiedzi oraz kosztu działania.

Omów zastosowanie

Wszystkie publikacje