論文の概要: A Review of Vegetation Encroachment Detection in Power Transmission Lines using Optical Sensing Satellite Imagery

• arxiv url: http://arxiv.org/abs/2010.01757v1
• Date: Mon, 5 Oct 2020 03:24:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 21:50:39.328897
• Title: A Review of Vegetation Encroachment Detection in Power Transmission Lines using Optical Sensing Satellite Imagery
• Title（参考訳）: 光センシング衛星画像を用いた送電線における植生侵入検出の検討
• Authors: Fathi Mahdi Elsiddig Haroun, Siti Noratiqah Mohamad Deros, Norashidah Md Din
• Abstract要約: 送電線における植生の侵食は停電を引き起こし、電力会社や消費者の経済に深刻な影響を及ぼす可能性がある。 植生の侵入を監視するには様々な方法が用いられたが、そのほとんどは高価で時間を要するものであった。 衛星画像は、比較的低コストで高い空間領域をカバーできるため、植生監視において重要な役割を果たす可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vegetation encroachment in power transmission lines can cause outages, which may result in severe impact on economic of power utilities companies as well as the consumer. Vegetation detection and monitoring along the power line corridor right-of-way (ROW) are implemented to protect power transmission lines from vegetation penetration. There were various methods used to monitor the vegetation penetration, however, most of them were too expensive and time consuming. Satellite images can play a major role in vegetation monitoring, because it can cover high spatial area with relatively low cost. In this paper, the current techniques used to detect the vegetation encroachment using satellite images are reviewed and categorized into four sectors; Vegetation Index based method, object-based detection method, stereo matching based and other current techniques. However, the current methods depend usually on setting manually serval threshold values and parameters which make the detection process very static. Machine Learning (ML) and deep learning (DL) algorithms can provide a very high accuracy with flexibility in the detection process. Hence, in addition to review the current technique of vegetation penetration monitoring in power transmission, the potential of using Machine Learning based algorithms are also included.
• Abstract（参考訳）: 送電線における植生の侵食は停電を引き起こし、電力会社や消費者の経済に深刻な影響を及ぼす可能性がある。 送電線を植物侵入から守るため, 送電線右道(ROW)に沿って植生検出とモニタリングを行う。 植生の侵入を監視するには様々な方法が用いられたが、そのほとんどは高価で時間を要するものであった。 衛星画像は比較的低コストで高空間領域をカバーすることができるため、植生モニタリングにおいて重要な役割を果たす。 本稿では,衛星画像を用いた植生の侵入を検知する現在の手法を,植生指標に基づく方法,対象に基づく検出方法,ステレオマッチングに基づく方法,その他の4つの分野に分類した。 しかし、現在の手法は通常、手動でサーバルしきい値とパラメータを設定することで検出プロセスを非常に静的にする。 機械学習(ML)とディープラーニング(DL)アルゴリズムは、検出プロセスの柔軟性で非常に高い精度を提供することができる。 したがって、電力伝送における植生浸透モニタリングの現在の手法を概観するとともに、機械学習ベースのアルゴリズムを用いる可能性も含んでいる。

関連論文リスト

• XAI-guided Insulator Anomaly Detection for Imbalanced Datasets [11.215245485606369]
  電力網は多くの産業において重要な要素であり、産業プロセスや技術にシームレスに電気エネルギーを供給している。 ドローンは電力線を検査するためにますます配備され、その結果、高速で正確な処理を必要とする大量の視覚データの流れが生まれる。 ディープラーニング手法はこのタスクで広く普及し、障害検出において貴重な資産であることが証明されている。
  論文  参考訳（メタデータ） (2024-09-25T11:19:42Z)
• A Smartphone-Based Method for Assessing Tomato Nutrient Status through Trichome Density Measurement [0.0]
  本研究は,若葉におけるトリホーム密度を,検出遅延の優れたスマートフォンを用いた定量化手法を提案する。 堅牢な自動パイプラインは、領域抽出、視点変換、照明補正を通じてこれらの画像を処理し、トリプルホーム密度を正確に定量化する。 この革新的なアプローチは、スマートフォンを植物栄養評価のための正確な診断ツールに変え、精度の高い農業のための実用的で費用対効果の高いソリューションを提供する。
  論文  参考訳（メタデータ） (2024-04-30T12:45:41Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid [56.838297900091426]
  高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。 提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
  論文  参考訳（メタデータ） (2023-08-14T17:14:58Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Generative models-based data labeling for deep networks regression: application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
  種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。 従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。 マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-09T09:06:51Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。