UAV-assisted specular reflection-aware automated digital meter measurements

Dieser Artikel stellt einen bahnbrechenden Ansatz für automatisierte digitale Messungen von Messgeräten mit unbemannten Luftfahrzeugen (Unmanned Aerial Vehicles, UAVs) vor, der sich speziell den Herausforderungen durch Spiegelreflektionen und Highlights in Außen- und Industrieumgebungen widmet. Die Studie schlägt ein neuartiges Rahmenwerk vor, das adaptive K-Mittel-Clusterbildung für die Erkennung von Glanzlichtern und YOLOv9 für die Erkennung von Objekten in Echtzeit integriert und so präzise und effiziente Messwerte gewährleistet. Der Artikel bietet auch einen umfassenden Vergleich verschiedener YOLO-Versionen, der die überlegene Leistung von YOLOv9 bei der Erkennung von Digitalmessgeräten demonstriert. Praktische Experimente und detaillierte Analysen der Ergebnisse werden einbezogen, um die Robustheit und Durchführbarkeit des vorgeschlagenen Ansatzes aufzuzeigen. Die Ergebnisse zeigen, dass das vorgeschulte YOLOv9-Modell Digitalzähler mit einer Genauigkeit von mehr als 98% und einer Nachweiszeit von nicht mehr als 0,564 Sekunden erkennen kann, was es im Vergleich zu bestehenden Methoden zu einer wettbewerbsfähigen Lösung macht. Der Artikel schließt mit Vorschlägen für zukünftige Arbeiten zur Erweiterung des Datensatzes, zur Integration autonomer Haltungskontrolle für Drohnen und zur Erforschung hybrider Techniken für den Umgang mit Restreflektionen. Diese Studie ist eine wertvolle Ressource für Fachleute, die automatisierte digitale Zählerinspektionssysteme in herausfordernden Umgebungen implementieren möchten.