News 2026 AI-based Damage Detection for Power Grids: pubblicazione su MDPI Remote Sensing

AI-based Damage Detection for Power Grids: pubblicazione su MDPI Remote Sensing

GAP è lieta di condividere il proprio ultimo contributo tecnico pubblicato sulla rivista MDPI Remote Sensing: “Applying MLP and SVM Models to Detect Potential Damages on High-Voltage Power Transmission Towers and Lines Using Multi-Temporal SAR Images”.

Lo studio, condotto da Geophysical Applications Processing srl in collaborazione con l’Agenzia Spaziale Italiana, Planetek Italia e il Politecnico di Bari, esplora l’utilizzo di dati Synthetic Aperture Radar (SAR) per il monitoraggio di infrastrutture. La ricerca confronta modelli Multi-Layer Perceptron (MLP) e Support Vector Machine (SVM) su immagini COSMO-SkyMed.

Per far fronte alla limitata disponibilità di campioni reali di danno, è stato sviluppato un simulatore SAR physics-guided per integrare i dataset di addestramento. Nel set di test validato, il modello MLP ha dimostrato elevata affidabilità nell’identificazione di variazioni strutturali, con una latenza di inferenza compatibile con una futura implementazione on-board satellite. Il lavoro evidenzia il potenziale del telerilevamento satellitare a supporto dei metodi di ispezione tradizionali, in particolare per la valutazione rapida a seguito di eventi meteorologici avversi.

Titolo
“Applying MLP and SVM Models to Detect Potential Damages on High-Voltage Power Transmission Towers and Lines Using Multi-Temporal SAR Images”

Rivista
MDPI Remote Sensing

Affiliazioni
Geophysical Applications Processing (GAP) srl, Bari, Italia
Agenzia Spaziale Italiana
Planetek Italia
Politecnico di Bari

Risorse disponibili
Articolo completo Open Access (MDPI Remote Sensing)
Post LinkedIn
Post Facebook
Post X

#RemoteSensing #SAR #InfrastructureMonitoring #AI #Engineering #GAPsrl #COSMOSkyMed