検査ロボティクス2026/10/13arXiv:2610.17762

太陽光発電所のための自律型3D視覚・熱検査システム

Autonomous 3D Visual-Thermal Inspection for Utility-Scale Solar Farms

LiDAR慣性SLAMとRGB・熱画像を組み合わせ、太陽光パネル下のコネクタやケーブルなどの資産を3D空間で検出・位置特定する自動検査システムを提案。

詳しい要約

1. どんなもの？

- Utility-scale PV の点検は aerial survey が主流だが、array 下の connector、cabling、fastener、構造要素の可視性が低い。 - 本研究は under-panel PV asset inspection のための自動 3D visual-thermal inspection system (Tricorder) を提示。 - LiDAR-inertial SLAM と幾何校正済み RGB・thermal imagery、machine-learning ベースの object detection・segmentation を統合。 - 検出資産を再構成 3D 環境に関連付け、複数視点の visual・thermal 観測を空間融合・定位する。

2. 先行研究と比べてどこがすごい？

- 従来の aerial survey は module-level hot cell 検出に有効だが、array 下の connector、cabling、fastener、構造要素の可視性が限定的。 - これらの資産は大規模に一貫点検が難しく、欠陥は空間的に小さく部分的に遮蔽され、単一画像からの定位が困難。 - 本研究は画像ベース点検から spatially grounded autonomous inspection への pathway を示し、欠陥を特定資産と 3D 位置に紐付ける点が異なる。

3. 技術・手法の肝は？

- LiDAR-inertial SLAM により 3D 環境を再構成。 - 幾何校正済み RGB と thermal imagery を組み合わせる。 - machine-learning ベースの object detection と segmentation を適用。 - 検出資産を再構成 3D 環境に associate し、複数視点の visual・thermal 観測を spatial fusion・localisation。

4. どうやって有効だと検証した？

- utility-scale PV data 上で MC4 connector detection と connection-state recognition を実証。 - thermal anomaly identification を実施。 - bolts、nuts、torque tubes を含む structural components の detection を実証。 - 結果は image-based inspection から spatially grounded autonomous inspection への pathway を示す。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている研究は明示されていない。 - 同分野の関連手法として LiDAR-inertial SLAM、RGB-thermal calibration、object detection、semantic segmentation が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Lachlan Tychsen-Smith, Mark Cox, Brett Wood, David Haddon, Kenrick Anderson, Benjamin Duck, Jim O'Malley, Noel W Duffy, Peyman Moghadam

分類: cs.AI, cs.CV, cs.RO

原文アブストラクト

Utility-scale photovoltaic (PV) inspection is dominated by aerial surveys, which are effective for identifying module-level hot cells but provide limited visibility of critical components located under the array, including connectors, cabling, fasteners and structural elements. These assets are difficult to inspect consistently at scale, and their defects are often spatially small, partially occluded and difficult to localise from isolated images. We present an automated 3D visual-thermal inspection system (Tricorder) for under-panel PV asset inspection. The approach combines LiDAR-inertial Simultaneous Localization and Mapping (SLAM) with geometrically calibrated RGB and thermal imagery and machine-learning-based object detection and segmentation. Detected assets are associated with the reconstructed 3D environment, allowing visual and thermal observations from multiple viewpoints to be spatially fused and localised. We demonstrate the approach on utility-scale PV data for MC4 connector detection and connection-state recognition, thermal anomaly identification, and detection of structural components including bolts, nuts and torque tubes. The results demonstrate a pathway from image-based inspection toward spatially grounded autonomous inspection, where defects are detected and linked to specific assets and their 3D locations within the solar farm.

arXivで原文を読む →arXiv概要ページ

← 論文一覧