電力中央研究所

報告書「電力中央研究所報告」は当研究所の研究成果を取りまとめた刊行物として、昭和28年より発行されております。 一部の報告書はPDF形式で全文をダウンロードすることができます。

※ PDFのファイルサイズが大きい場合には、ダウンロードに時間がかかる場合がございます。 ダウンロードは1回のクリックで開始しますので、ダウンロードが完了するまで、複数回のクリックはなさらないようご注意願います。

電力中央研究所 報告書(電力中央研究所報告)

報告書データベース 詳細情報


報告書番号

R10004

タイトル(和文)

状態監視保全のための設備画像に基づく良否判定基準の自動生成手法-主要な画像特徴の自動抽出手法-

タイトル(英文)

Efficient Generation of Diagnositc Discrimination Functions - Automatic Selection of Important Image Features -

概要 (図表や脚注は「報告書全文」に掲載しております)

設備の状態監視保全では、設備画像から設備状態の自動判定を行なう画像判定システムが1つの有力手段である。当所では、錆画像による設備の良・不良判定業務等を対象に、判定結果付きサンプル画像データベース(DB)に基づき高精度の判定基準を自動生成する手法を開発したが、主要な判定要因の画像特徴が分かり難いという課題があった。そこで、利用者が与えた画像特徴候補中から、サンプル画像DB中の良判定の画像と不良判定の画像の違いが最も強調される複数の画像特徴を自動的に選択し、判定基準を生成する手法を開発した。選択された画像特徴は高精度判定基準に必要なもののみで、かつ良・不良判定に対する各画像特徴の重要度が示されるため、非熟練者でも理解し易い。また、判定精度は全画像特徴候補を用いる従来手法と同等以上となる。錆画像による設備の良・不良判定問題2種(腕金再利用判定、防錆塗装劣化度判定)に提案手法を適用し、有効性を確認した。

概要 (英文)

For condition-based maintenance which is performed based on the states of equipment, precise monitoring of conditions of equipments is indispensable. Automatic image discrimination which diagnoses the status of equipment from its images is one of powerful tools for the purpose. We have developed a method to identify discrimination functions based on the database of pairs of equipment image and its diagnostic result. Generated discrimination rules have high precision but they use many image features for diagnosis and so it is unclear which features are import for diagnosis. In this report, we propose a novel method to identify efficiently an effective image discrimination function with a combination of small number of images features by the interaction with human experts and a support system. For the evaluation of our method, we applied our method to two rust image discrimination problems both of which to judge the state of target equipments but are different in their lighting conditions. We found that our method selects only 30 or 100 images features among over 1000 candidates as effective ones to make precise discrimination function whose precision is over 90%. Our analyses also show that our method can select image features naturally reflecting the difference of their lighting conditions.

報告書年度

2010

発行年月

2010/09

報告者

担当氏名所属

篠原 靖志

システム技術研究所 情報数理領域

中島 慶人

システム技術研究所 情報数理領域

キーワード

和文英文
画像認識 Image Recognition
ラベル付け Labeling
特徴選択 Feature Selection
多カーネル学習 Multiple Kernel Learning
錆画像 Rust Images
Copyright (C) Central Research Institute of Electric Power Industry