東京電力ホールディングス株式会社
2017 年 2017 巻 KST-32 号 p. 02-
(EndNote、Reference Manager、ProCite、RefWorksとの互換性あり)
(BibDesk、LaTeXとの互換性あり)
発電現場は省力化が進み、ベテラン人材は減少傾向にある状況で、現場技術の伝承と自由競争下でのさらなる効率化を両立させる必要がある。一方、監視画像の深層学習による異常の検知AIの開発の際には、学習に必要な異常データが充分に存在しないという現場の課題がある。本研究では、現場の知見ベースで模擬の異常データを生成して特徴学習に用いるというアプローチで検知AIを試作し、実設備への適用性を検証した。
すでにアカウントをお持ちの場合 サインインはこちら