電力網の安定性と安全性を確保するため、電柱の定期的な検査は極めて重要です。本研究では、地上レベルの画像を用いて木製電柱の自動検出、セグメンテーション、傾斜角度の推定、さらに付属する電気警告標識の分類を行うディープラーニングフレームワークが提案されました。このシステムはGoogle Street Viewから抽出された4,570枚の注釈付き画像からなるカスタムデータセットで訓練されており、視覚的に区別しにくい特徴に乏しい木製電柱を含む、現実世界の複雑なシーンに対応しています。 提案されたモデルはDetection Transformer（DETR）をベースとしており、カスタムデータセットに合わせて適切に改良されています。このモデルはRetinaNet、Faster R-CNN、YOLOv3-Tinyといった標準的な物体検出器を上回る性能を発揮し、電柱検出で90.43%の平均適合率、標識検出で88.26%の平均適合率を達成しています。さらにセグメンテーションヘッドを追加することで、インスタンス単位のマスク生成が可能になり、これを用いて電柱の傾斜角度を推定することができます。 この角度推定では、1,433本のテスト用電柱のうち1,367本について正確な傾斜を推定でき、平均絶対誤差は1.01度という高精度を達成しています。本研究で作成されたカスタムデータセットは公開されており、ベンチマークとして広く利用できるようになっています。この技術は電力インフラの維持管理を大幅に効率化し、電力網の安全運用に貢献する可能性を秘めています。