| Form of studies |
Bachelor |
| Title of the study programm |
Intelligent Robotic Systems |
| Title in original language |
Augstsprieguma līniju balstu defektu noteikšana ierobežota datu daudzuma apstākļos |
| Title in English |
Defect Detection of High-Voltage Transmission Line Towers Under Limited Data Conditions |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Katrīna Šmite |
| Reviewer |
Maksims Terjohins |
| Abstract |
Augstsprieguma līniju piekarizolatoru tehniskā stāvokļa uzturēšana ir svarīga valsts elektroapgādes uzturēšanai. Ir nepieciešams savlaicīgi konstatēt defektus, pretēji, tas var izraisīt elektroapgādes pārravumus un lielus tehniskos bojājumus. Tradicionālās metodes ir laikietilpīgas un bieži saistītas ar drošības riskiem, tādēļ mūsdienās vizuālās inspekcijas tiek veiktas izmantojot bezpilota gaisa kuģus. To izmantošana noved pie liela apjoma attēlu, kurus ir laikietilpīgi manuāli apstrādāt.
Šī darba mērķis ir izpētīt un novērtēt datorredzes risinājumus augstsprieguma līniju balstu piekarizolatoru defektu noteikšanai ierobežota datu apjoma apstākļos un sniegt rekomendācijas piemērotāka risinājuma izvēlei. Darba ietvaros tika izveidota unikāla datu kopa sadarbojoties ar AS “Augstsprieguma tīkls” un izmantojot publiski pieejamās datu kopas, iegūstot 410 attēlus. Datu kopa tika notēta un augmentēta, lai mazinātu klašu nelīdzsvarotību.
Uz izveidotās datu kopas tika apmācīti un salīdzināti četri modeļi pirms un pēc datu augmentācijas: YOLOv8n vienpakāpju detektors, Faster R-CNN, YOLOv8n + SVM hibrīdpieeja un divpakāpju YOLOv8n pieeja. Iegūtie rezultāti norāda uz to, ka divpakāpju YOLOv8n pieeja ar datu augmentāciju sasniedz visaugstākos rezultātus visās metrikās: mAP@0.5 98,41% un precizitāti 99,72%. Kur vistiešak bija novērojams mAP@0.5 pieagums par 23,01 procentu punktu pēc attēlu augmentācijas.
Darba rezultāti sniedz rekomendācijas datorredzes risinājuma izvēlei praktiskām augstsprieguma tīklu inspekcijām.
Bakalaura darbā ir 51 lappuse, 9 attēli, 14 tabulas, 1 pielikums, 45 informācijas avoti. |
| Keywords |
DATORREDZE, DEFEKTU NOTEIKŠANA, AUGSTSPRIEGUMA TĪKLS, DATU PALIELINĀŠANA, OBJEKTU DETEKTĒŠANA |
| Keywords in English |
COMPUTER VISION, DEFECT DETECTION, HIGH-VOLTAGE POWER GRID, DATA AUGMENTATION, OBJECT DETECTION |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
26.05.2026 19:31:13 |
