SESYOLOを用いた送電線上の異物検出

送電線を清潔で安全に保つ

現代の生活は、広大な送電網を通じて電力が円滑に流れることに依存しています。それでも、鳥の巣や風に舞う凧のようなありふれた物が高電圧設備に絡まると、停電や火災、あるいは高額な修理を引き起こすことがあります。本研究はSESYOLOと呼ばれる改良型のコンピュータビジョンシステムを紹介します。これによりドローンが送電線上の異物を、小さく不定形で背景の雑多な風景に隠れていても、素早く正確に自動検出できるようになります。

日常の雑物と高電圧のリスク

送電線は数千キロメートルにわたって野原、河川、都市を横断し、鳥や樹木、人間の活動が絡む環境を通ります。巣、ビニール袋、凧、風船などが電線や鉄塔に付着すると、電気が本来流れるべきでない経路へ飛び火する恐れが生じます。従来の点検は長距離を移動して目視で構造を確認することに依存しており、時間がかかり危険を伴うこともあります。ドローンによって画像取得は容易になりましたが、それらの画像を信頼できる自動警告に変えるには、ケーブルや鋼製トラス、植生で満たされた背景の中から小さく不規則な物体を見分けるソフトウェアが必要です。既存の検出プログラムは背景のパターンを誤検出したり、小さな対象を見逃したり、十分にラベリングされた学習画像の不足に悩まされることが多いです。

トラブルの正体を機械に教える

実際の点検写真の不足と偏りを克服するため、研究者らはまずFOD24と呼ぶ新しい画像コレクションを構築しました。これは送電線上の異物に焦点を当てたデータセットです。1,401枚の実際のドローン写真に、色や明るさの調整、ぼかしやノイズの付加、雨・雪・霧のシミュレーションなど複数の画像増強を組み合わせました。さらに現代の画像生成ツールを用いて、風船や凧といった不足しているカテゴリのリアルなシーンを追加生成しました。慎重な人手による選別とアノテーションの後、最終データセットは鳥の巣、凧、風船、ビニール袋、碍子を含む2,817枚の画像を収めています。評価には実写真のみを用いており、性能評価が人工的な例ではなく実情に即していることを保証しています。

小さな標的に強い視覚

人気の高速検出器であるYOLOv8を基盤に、研究チームはネットワークのいくつかの主要部分を再設計し、小さくカモフラージュされた物体をより良く扱いつつ、ドローン搭載機器でリアルタイムに動作できるようにしました。SCConvと呼ばれる新しいモジュールは、画像中の特徴の位置や強度に関する最も有益な詳細に注目させ、冗長な計算を削減します。もう一つの構成要素であるEfficient RepGFPNは、大まかな俯瞰情報と細かな接写情報の融合を改善し、巣や凧が数ピクセルしか占めない場合に重要な役割を果たします。最後に、検出ヘッドに組み込まれた専用のアテンション機構は、異物を強調し気を散らす背景を抑えるようネットワークを促します。これらの変更により、モデルは微妙な形状に対する認識力を高めつつ、処理速度を大きく落としません。

より強い教師から学ぶ

研究者らはナレッジディスティレーションと呼ばれる手法を用いてSESYOLOの能力をさらに高めました。簡単に言えば、より小さく高速な検出器（「生徒」）が、より大きく高性能なモデル（「教師」）の振る舞いを模倣するように訓練します。訓練中、生徒はフィールドでドローンが遭遇する多様で乱雑な場面を模した強力なデータ拡張を施された画像に晒されました。特殊なモジュールが教師と生徒の内部信号の整合を図り、生徒が画像中に何がありどこにあるかを容易に吸収できるようにしました。この二段階の訓練の後、生徒モデルは教師の精度の多くを保ちながら、実際の空中プラットフォームに配備可能なほどコンパクトで効率的に仕上がりました。

より信頼できる送電網のための向上した検出

複数の既存の物体検出システムと比較した試験で、SESYOLOは特に小さく不規則な対象に対して顕著に高い精度と再現率を示しました。ベースとなる元のYOLOv8と比べ、重要な精度指標が約9パーセントポイント改善され、鳥の巣の検出ではほぼ94％の高精度を達成しました。同時にモデルは軽量性を維持しており、メモリ使用量は約7.9メガバイト程度、標準的なグラフィックスカード上で秒間約142枚の画像を処理できる速度を保ちます。送電事業者にとって、これはドローンが素早く送電線をスキャンし、故障や危険の可能性がある箇所を自動で旗付けできることを意味し、作業員は手作業の探索ではなく迅速な修理に集中できます。日常的な意味では、本研究は予期せぬ停電の減少、高電圧付近の安全性向上、そしてより信頼性の高い電力網への道筋を示しています。

引用: Duan, P., Zhang, X., Liang, X. et al. Foreign object detection in power transmission lines using SESYOLO. Sci Rep 16, 11807 (2026). https://doi.org/10.1038/s41598-026-41080-7

キーワード: 送電線検査, ドローン撮影, 物体検出, ディープラーニング, インフラ安全性