特許ウォッチ

公開番号2024055376
公報種別公開特許公報(A)
公開日2024-04-18
出願番号2022162245
出願日2022-10-07
発明の名称電線の異常検出装置及び電線の異常検出方法
出願人中部電力パワーグリッド株式会社,中部電力株式会社
代理人個人,個人
主分類G01N 21/952 20060101AFI20240411BHJP(測定;試験)
要約【課題】電線の断線を検出するために用いられる学習モデルの機械学習を行う際に多数の教師データが用意できないとしても、学習モデルを用いて電線の断線を正確に検出できるようにする。
【解決手段】サーバーコンピュータ11には、電線17及び電線支持体16の画像データが入力される。サーバーコンピュータ11は、上記画像データから電線17における異常の有無を判断する学習モデルを用いて、上記画像データに写る電線17の異常を検出する。上記学習モデルは、教師あり学習によって機械学習された第1学習モデル、第2学習モデル、及び第3学習モデルである。第1学習モデルは、上記画像データから電線支持体16の上端部の画像を検出する。第2学習モデルは、第1学習モデルによって検出された電線支持体16の上端部の画像から電線17の画像を切り出す。第3学習モデルは、第2学習モデルによって切り出された電線17の画像から電線の断線を検出する。
【選択図】図1
特許請求の範囲【請求項１】
電線を支持するための電線支持体及びその周辺を撮影することによって得られた画像データが入力される情報処理部を備え、前記情報処理部は、前記画像データから前記電線における異常の有無を判断する学習モデルを用いて、前記画像データに写る前記電線の異常を検出するものである電線の異常検出装置において、
前記学習モデルは、教師あり学習によって機械学習された第１学習モデル、第２学習モデル、及び第３学習モデルであり、
前記第１学習モデルは、前記情報処理部に入力された前記画像データから前記電線支持体の上端部の画像を検出するものであり、
前記第２学習モデルは、前記第１学習モデルによって検出された前記電線支持体の上端部の画像から前記電線の画像を切り出すものであり、
前記第３学習モデルは、前記第２学習モデルによって切り出された前記電線の画像から前記電線の断線を検出するものである電線の異常検出装置。
続きを表示（約 700 文字）【請求項２】
前記情報処理部は、カメラを有する飛行体を用いて撮影された前記画像データを入力することが可能なものである請求項１に記載の電線の異常検出装置。
【請求項３】
前記第３学習モデルは、前記第２学習モデルによって切り出された前記電線の画像から前記電線の断線を検出するに当たり、前記電線の画像に対し背景を当てはめた状態で前記電線の断線の検出を行うものである請求項１に記載の電線の異常検出装置。
【請求項４】
前記情報処理部は、入力した前記画像データを、教師あり学習によって前記学習モデルを機械学習させる際の教師データとして利用するものである請求項１～３のいずれか一項に記載の電線の異常検出装置。
【請求項５】
電線を支持するための電線支持体及びその周辺を撮影することによって得られた画像データから、前記電線における異常の有無を判断する学習モデルを用いて、前記画像データに写る前記電線の異常を検出する電線の異常検出方法において、
前記学習モデルは、教師あり学習によって機械学習された第１学習モデル、第２学習モデル、及び第３学習モデルであり、
前記第１学習モデルによって、前記画像データから前記電線支持体の上端部の画像を検出する第１工程と、
前記第２学習モデルによって、前記第１工程で検出された前記電線支持体の上端部の画像から前記電線の画像を切り出す第２工程と、
前記第３学習モデルによって、前記第２工程で切り出された前記電線の画像から前記電線の断線を検出する第３工程と、
を有する電線の異常検出方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、電線の異常検出装置及び電線の異常検出方法に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
電柱等の電線支持体に支持された電線の異常検出装置としては、電線支持体及びその周辺を撮影することによって得られた画像データから、電線における断線等の異常を検出するものが知られている。例えば特許文献１では、上記画像データから電線における異常の有無を判断する学習モデルを用いて、上記画像データに写る電線の異常を検出するようにしている。詳しくは、上記画像データを異常検出装置の情報処理部に入力し、その情報処理部が上記学習モデルを用いて上記画像データに写る電線の異常を検出する。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－６５３３０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記学習モデルとしては、教師あり学習によって機械学習されたものを用いることが考えられる。上記学習モデルを用いて上記画像データに写る電線の異常を正確に検出するためには、教師あり学習によって上記学習モデルの機械学習を行う際に多数の教師データが必要になる。しかし、こうした多数の教師データを用意できない場合、上記学習モデルを用いて電線の異常を正確に検出することが困難になる。
【課題を解決するための手段】
【０００５】
以下、上記課題を解決する電線の異常検出装置及び電線の異常検出方法の各態様を記載する。
（態様１）
電線を支持するための電線支持体及びその周辺を撮影することによって得られた画像データが入力される情報処理部を備え、前記情報処理部は、前記画像データから前記電線における異常の有無を判断する学習モデルを用いて、前記画像データに写る前記電線の異常を検出するものである電線の異常検出装置において、前記学習モデルは、教師あり学習によって機械学習された第１学習モデル、第２学習モデル、及び第３学習モデルであり、前記第１学習モデルは、前記情報処理部に入力された前記画像データから前記電線支持体の上端部の画像を検出するものであり、前記第２学習モデルは、前記第１学習モデルによって検出された前記電線支持体の上端部の画像から前記電線の画像を切り出すものであり、前記第３学習モデルは、前記第２学習モデルによって切り出された前記電線の画像から前記電線の断線を検出するものである電線の異常検出装置。
【０００６】
上記構成によれば、電線における異常の有無を判断する学習モデルとして、第１学習モデル、第２学習モデル、及び第３学習モデルが用いられる。すなわち、まず第１学習モデルを用いて、情報処理部に入力された上記画像データから電線支持体の上端部の画像が検出される。その後、第２学習モデルを用いて、上記検出された電線支持体の上端部の画像から電線の画像が切り出される。更に、第３学習モデルを用いて、上記切り出された電線の画像から電線の断線が検出される。第１学習モデル、第２学習モデル、及び第３学習モデルはそれぞれ、教師あり学習によって機械学習されたものである。電線の断線を検出するために、第１学習モデル、第２学習モデル、及び第３学習モデルが段階的に用いられる。これにより、第１学習モデル、第２学習モデル、及び第３学習モデルの機械学習を行う際に多数の教師データが用意できないとしても、それら学習モデルを用いて電線の断線を正確に検出することができる。
【０００７】
（態様２）
前記情報処理部は、カメラを有する飛行体を用いて撮影された前記画像データを入力することが可能なものである（態様１）に記載の電線の異常検出装置。
【０００８】
上記構成によれば、カメラを有する飛行体を用いて撮影された画像データから、電線の断線が検出される。これにより、電線支持体の上端部の画像を撮影するために作業者が電線支持体の近くまで出向く必要がなくなるため、電線における断線の検出に手間がかかることを抑制できる。
【０００９】
（態様３）
前記第３学習モデルは、前記第２学習モデルによって切り出された前記電線の画像から前記電線の断線を検出するに当たり、前記電線の画像に対し切り出す前の背景を当てはめた状態で前記電線の断線の検出を行うものである（態様１）又は（態様２）に記載の電線の異常検出装置。
【００１０】
上記構成によれば、切り出された電線の画像に対し切り出す前の背景を当てはめた状態で電線の断線の検出を行うことにより、断線によって垂れ下がる電線とその周辺の物体との位置関係を通じて電線の断線が検出しやすくなる。ここで用いる位置関係、すなわち断線によって垂れ下がる電線とその周辺の物体との位置関係としては、上記電線と電線支持体とが平行であることや、上記電線と電線支持体の上端部にある腕金との相対位置といったものがあげられる。
（【００１１】以降は省略されています）

関連特許