画像処理や機械学習を活用した金属材料の錆レベル自動判定

カテゴリ: 部門大会

論文No: 247

グループ名: 【B】令和元年電気学会電力・エネルギー部門大会

発行日: 2019/08/23

タイトル(英語): Automatic Judgment of Rust Level of Metallic Materials Using Image Processing and Machine Learning.

著者名: 揚田 剛士(中部電力),武村 順三(中部電力),松尾 顕守(中部電力),伊藤 純(中京大学),大野 光津弘(中京大学),山本 純平(中京大学),青木 公也(中京大学),松下 和均(日鉄テクノロジー),松永 大(日鉄テクノロジー)

著者名(英語): Goshi Agarita|Junzou Takemura|Akimori Matsuo|Jun Ito|Mitsuhiro Ono|Junpei Yamamoto|Kimiya Aoki|Kazuhito Matsushita|Masaru Matsunaga

キーワード: 画像処理|機械学習|ディープラーニング|金属材料|錆腐食,image processing,machine learning,deep learning,metal material,rust corrosion

要約(日本語): 現状、目視によって判定している柱上変圧器底部の劣化状態について、その業務負担軽減、判定の定量化・バラつきの抑制を実現するため、画像処理・機械学習技術によって自動判定する手法について検討した。変圧器底部の画像を1000枚用意し、各種機械学習とHALCON Deep Learningを用いて、それぞれ学習と検証を行った。この結果、各種機械学習ではRandom Forestが最も正解率が高く、全体正解率は74％であった。また、HALCON Deep Learningでの全体正解率は84％であった。誤判定の要因として、人間のランク付け誤りが挙げられた。今回の検証により、人間のランク付けの曖昧さを解消することや学習画像を増やすことにより判定精度向上が期待でき、実運用可能となることが示された。

PDFファイルサイズ: 337 Kバイト