報告書番号

GD22002

タイトル（和文）

ドローン等を活用した保守効率化技術の開発—ドローン撮影画像からの架空送電設備点検のための機材抽出—

タイトル（英文）

Maintenance Techniques of Overhead Transmission Line Using UAV-Extraction of Apparatus of Overhead Transmission Line on Images Taken by UAV-

概要 （図表や脚注は「報告書全文」に掲載しております）

背　　景
低コストで空撮可能なドローンによる送電設備の点検が行われつつある。ドローンで得られた画像を使った自動異常検出・診断の取り組みが各所でなされており、空撮画像中の異常検出・診断対象の抽出が問題となっている。架空送電設備の場合、主に鉄塔と電線を対象として点検が行われている。鉄塔点検では、多方向から撮影した大量の画像を使うことで、周囲の樹木なども含んだ3次元画像が作成されるため、点検対象の鉄塔のみの抽出が必要となる。また、電線点検では、大量の撮影画像から、異常が生じやすいクランプ・がいし類や電線のみを抽出することが不可欠である。
目　　的
ドローンで撮影した大量の画像を効率的に活用する技術として、3次元画像から鉄塔のみを抽出する手法を開発する。また、電線点検のために、大量の撮影画像からクランプ・がいし類や電線の抽出を行う手法を開発する。
主な成果
1. 3次元画像を利用した鉄塔のみの抽出手法
　鉄塔のみの抽出は、3次元画像中で鉄塔が最も高い地点で孤立していると仮定し、鉄塔だけを覆う抽出用円柱を見つけることで行う（図1）。抽出用円柱の底面は、3次元画像に対し、ある高さの断面画像を調べ、鉄塔以外の画素が初めて現れる直前までの画素全てを囲む円として求められる。地線が2条と1条の代表的な鉄塔において、提案手法で鉄塔を抽出できることを確認した（図2）。
2. 深層学習を使ったクランプ・がいし類と電線の抽出手法
（1）クランプ・がいし類の抽出
腐食などにより異常が生じやすく目視確認が必要なクランプ・がいし類を深層学習で抽出する手法を開発した。クランプ・がいし類を含む2径間1092枚の画像を学習後、試験用276枚中271枚でクランプ・がいし類だけを高精度に抽出できた。図3（a）に、がいしの抽出例を示す。
（2）電線の抽出
撮影画像から電線の両端を深層学習で自動抽出し、電線の輪郭の端点を使って、画像中の電線の輪郭を求める手法を開発した（図3（b））。

概要 （英文）

Some utilities apply UAV to maintenance of overhead transmission lines. UAV provides many aerial images for inspection of facilities. But a large amount of images should be checked. Those images also include various kinds of objects having no relation with facilities. This means this task is very tough. If the images, which include the facilities, are selected from tons of images, the task will be easy to check. So we have developed tower extraction and wires from images taken from aerial images by UAV. A tower is extracted using 3D point clouds processing techniques and wires, insulators, dumpers and lightning arresters are extracted by Deep Learning.

報告者

キーワード