LLM als Qualitätsprüfer für Drohnen‑Segmentierung von Stromleitungen

In einer wegweisenden Studie wird untersucht, ob ein großes Sprachmodell (LLM) als „Watchdog“ fungieren kann, um die Zuverlässigkeit von Segmentierungs­ergebnissen für Stromleitungen zu bewerten, die von leichten Modellen auf Drohnen erzeugt werden. Die Herausforderung besteht darin, dass diese Modelle in realen Einsatzbedingungen oft unerwartet an Leistung verlieren, was die Sicherheit gefährdet.

Der Ansatz nutzt ein externes LLM, das die Überlagerungen der Segmentierung analysiert und Qualitäts­bewertungen sowie Vertrauens­schätzungen liefert. Zwei Evaluationsprotokolle wurden entwickelt: Erstens wird die Wiederholbarkeit geprüft, indem das Modell bei identischen Eingaben wiederholt abgefragt wird. Zweitens wird die Wahrnehmungs­empfindlichkeit getestet, indem gezielte visuelle Störungen – Nebel, Regen, Schnee, Schatten und Sonnenblende – eingeführt werden, um zu beobachten, wie die Bewertungen mit zunehmender Bild­schlechterung reagieren.

Die Ergebnisse zeigen, dass das LLM unter gleichen Bedingungen konsistente, kategoriale Urteile abgibt und gleichzeitig das Vertrauen angemessen reduziert, wenn die Bildqualität abnimmt. Damit demonstriert die Studie, dass ein Sprachmodell als zuverlässiger Qualitätsprüfer für Drohnen‑Segmentierung in der Praxis eingesetzt werden kann, ohne ein neues Inspektionssystem zu entwickeln.