DESCRIZIONE
Il modello di deep learning sviluppato è una rete neurale artificiale di tipo U-Net, addestrata su immagini di conduttori aerei della stazione sperimentale di RSE WILD (situata a Vinadio). Questi conduttori sono caratterizzati da vari tipi di rivestimento superficiale. Il modello è capace di identificare e distinguere all’interno delle immagini i conduttori nudi e le sezioni coperte da depositi nevosi o manicotti di ghiaccio. Gli indici di prestazione ottenuti sul dataset di test sono i seguenti: IoU al 97,7% e Dice Loss al 4,6%.

APPLICAZIONI
Questo modello è progettato per il riconoscimento automatico dei manicotti di ghiaccio, noti anche come “ice sleeves”, sui conduttori. È stato addestrato utilizzando immagini provenienti da una campata di test e può servire come base per l’addestramento su nuove immagini di campate reali.

UTILIZZATORI
Operatori del sistema elettrico, laboratori di test di componenti AT, ricercatori, sviluppatori di sistemi diagnostici.

FOCUS
A. Maldarella, V. Rotella, E. Bionda and C. Tornelli, “Ice Sleeves on Overhead Power Lines: a Deep Learning Approach for Semantic Segmentation” 2023 IEEE International Conference on Environment and Electrical Engineering and 2023 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe), Madrid, Spain, 2023, pp. 1-6.