{"product_id":"ieej-btc2023os080006","title":"鉄塔鋼材劣化診断のための学習データ収集法","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003eOS8-6\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【C】2023年電気学会電子・情報・システム部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2023\/08\/23\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eLearning Data for Decision  of Deteriorating Level for Galvanized Transmission\u003cbr\u003e\u003cbr\u003eTower Using Aerial Image\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e石野 隆一（電力中央研究所）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eRyuichi Ishino (CRIEPI)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e鉄塔|錆|画像処理|ホモグラフィ|機械学習|Transmission Tower|Rust|Image Processing|Homography|Machine Learning\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e電力会社で保有する大量の鉄塔は，錆の進行に応じて鉄塔の強度を維持するために建設後再塗装を行っている．高度成長期に大量に建設されており，塗装コストの平準化のため塗装する鉄塔の順位付けが必要になっている．順位付けは錆の進行に基づいて行われているが，写真判定している場合もある．写真判定で行う場合，判定者の感性に依存するため基準の困難である．そこで，画像処理と機械学習を使って判定するシステムを開発している．機械学習の利用に当たっては，学習データの収集が必要になる．本報告では，錆の進行度合の異なった色データの収集法について報告する．\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 6.0","offer_id":46404375249135,"sku":"IEEJ-BTC2023OS080006-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_d82dd6f1-e4aa-4bae-b757-a065fe1f8539.png?v=1745055759","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-btc2023os080006","provider":"電気学会 電子図書館","version":"1.0","type":"link"}