Développement d’un algorithme de détection de câbles électriques et de localisation pour drone d’inspection de lignes électriques haute tension
Notice bibliographique
Résumé
Afin d’améliorer l’efficacité de l’entretien de son réseau de lignes électriques haute tension (LEHT), Hydro-Québec met sur pied de nouvelles méthodes d’inspection de LEHT. Depuis quelques années, Hydro-Québec développe le LineDrone, un drone opéré par un pilote, qui peut atterrir et rouler sur les conducteurs afin de réaliser une inspection par contact direct de ceux-ci. Récemment, Hydro-Québec s'est associé à L'entreprise DroneVolt afin d'assurer la l'industrialisation et la commercialisation du LineDrone. Dans le but d’automatiser l’opération du LineDrone, une collaboration entre l’Université de Sherbrooke, Hydro-Québec et DroneVolt a été mise sur pied. Un des nombreux défis reliés à ce projet d’automatisation est la localisation du drone dans l’environnement des conducteurs des LEHT. Pour cela, un algorithme de détection de câbles électriques et de localisation pour drone d’inspection de LEHT a été développé. Cet algorithme permet de déterminer la position du drone dans son environnement à proximité des câbles des LEHT afin de lui permettre de naviguer et d’atterrir sur des conducteurs électriques de façon autonome. Ce mémoire présente le fonctionnement des différentes parties de l’algorithme de détection de câbles électriques et de localisation pour drone d’inspection de LEHT. De plus, les résultats d’essais en vol de l’algorithme sont présentés. Ces essais démontrent le bon fonctionnement de l’algorithme dans des scénarios d’utilisation réels. Finalement, des résultats sur les performances en précision et en temps de calcul sont présentés.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».