Fugu-MT 論文翻訳(概要): Characterization of Industrial Smoke Plumes from Remote Sensing Data

論文の概要: Characterization of Industrial Smoke Plumes from Remote Sensing Data

arxiv url: http://arxiv.org/abs/2011.11344v1
Date: Mon, 23 Nov 2020 11:54:32 GMT
ステータス: 処理完了
システム内更新日: 2022-09-22 01:08:55.928852
Title: Characterization of Industrial Smoke Plumes from Remote Sensing Data
Title（参考訳）: リモートセンシングデータによる産業用煙管の特性評価
Authors: Michael Mommert, Mario Sigel, Marcel Neuhausler, Linus Scheibenreif, Damian Borth
Abstract要約: 本研究では,ESAのSentinel-2衛星から産業用煙管を検出し定量化する可能性について検討する。改良されたResNet-50を使用して、94.3%の精度で異なる大きさのスモークプラムを検出することができる。以上の結果から,世界中の産業プラントにおいて,煙活動のレベルを確実に検出し,定性的に推定することが可能となった。
参考スコア（独自算出の注目度）: 1.2205797997133396
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The major driver of global warming has been identified as the anthropogenic release of greenhouse gas (GHG) emissions from industrial activities. The quantitative monitoring of these emissions is mandatory to fully understand their effect on the Earth's climate and to enforce emission regulations on a large scale. In this work, we investigate the possibility to detect and quantify industrial smoke plumes from globally and freely available multi-band image data from ESA's Sentinel-2 satellites. Using a modified ResNet-50, we can detect smoke plumes of different sizes with an accuracy of 94.3%. The model correctly ignores natural clouds and focuses on those imaging channels that are related to the spectral absorption from aerosols and water vapor, enabling the localization of smoke. We exploit this localization ability and train a U-Net segmentation model on a labeled sub-sample of our data, resulting in an Intersection-over-Union (IoU) metric of 0.608 and an overall accuracy for the detection of any smoke plume of 94.0%; on average, our model can reproduce the area covered by smoke in an image to within 5.6%. The performance of our model is mostly limited by occasional confusion with surface objects, the inability to identify semi-transparent smoke, and human limitations to properly identify smoke based on RGB-only images. Nevertheless, our results enable us to reliably detect and qualitatively estimate the level of smoke activity in order to monitor activity in industrial plants across the globe. Our data set and code base are publicly available.
Abstract（参考訳）: 地球温暖化の主な要因は、産業活動から排出される温室効果ガス(ghg)の人為的放出である。これらの排出量の定量的モニタリングは、地球の気候への影響を十分に理解し、大規模な排出規制を実施するために必須である。本研究では,ESAのSentinel-2衛星のマルチバンド画像データから,産業用煙煙の検出と定量化の可能性を検討する。改良されたResNet-50を使用して、94.3%の精度で異なる大きさの煙突を検出することができる。このモデルは自然雲を正しく無視し、エアロゾルや水蒸気からのスペクトル吸収に関連するイメージングチャネルに注目し、煙の局在化を可能にする。このローカライズ機能を活用し,ラベル付きサブサンプル上でu-netセグメンテーションモデルをトレーニングした結果,iou(intersection-over-union)メトリックは0.608となり,スモークプルームの検出精度は94.0%となり,平均して画像中の煙に覆われた領域を5.6%まで再現できた。モデルの性能は,表面の物体との混乱,半透明な煙を識別できないこと,rgbのみの画像に基づく煙を適切に識別できないこと,などがほとんどである。それにもかかわらず,本研究は,世界中の産業プラントの活動を監視するために,煙活動のレベルを確実に検出し,定性的に推定することを可能にする。データセットとコードベースは公開されています。

関連論文リスト

Stratospheric aerosol source inversion: Noise, variability, and uncertainty quantification [0.0]
本稿では,ベイズ近似誤差を用いた成層圏エアロゾル源インバージョンのためのフレームワークを提案する。我々はE3SM(Energy Exascale Earth System Model)を用いた特別設計地球モデルシミュレーションを活用する。データ生成、データ処理、次元削減、演算子学習、ベイズ反転のための包括的なフレームワークについて述べる。
論文参考訳（メタデータ） (2024-09-10T20:12:36Z)
Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文参考訳（メタデータ） (2024-08-27T15:03:20Z)
Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文参考訳（メタデータ） (2023-08-21T19:36:50Z)
Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文参考訳（メタデータ） (2023-08-14T16:48:57Z)
FoSp: Focus and Separation Network for Early Smoke Segmentation [0.6165605009782557]
初期の煙のセグメンテーション(ESS)は、煙源の正確な識別を可能にし、火災の迅速な消火と大規模なガス漏れの防止を可能にした。 ESSは、その小さなスケールと透明な外観のため、従来の物体や通常の煙のセグメンテーションよりも大きな課題を生んでいる。 SmokeSegと呼ばれる高品質な実世界のデータセットを導入し、既存のデータセットよりも小さく透明な煙を含んでいる。
論文参考訳（メタデータ） (2023-06-07T14:45:24Z)
Multiple Categories Of Visual Smoke Detection Database [0.0]
石油化学産業の煙害と安全生産と環境被害との関係が密接な関係にあるため、煙検出は関連産業において重要な課題となっている。我々は,70196枚の画像を含む多カテゴリ煙検知データベースを構築した。その結果、現在のアルゴリズムの性能を改善し、提案したデータベースの有効性を示す必要があることがわかった。
論文参考訳（メタデータ） (2022-07-30T13:14:06Z)
A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文参考訳（メタデータ） (2022-06-13T19:14:06Z)
A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文参考訳（メタデータ） (2021-11-23T08:04:32Z)
Power Plant Classification from Remote Imaging with Deep Learning [1.7491858164568672]
本研究では,Sentinel-2画像データから異なるタイプの発電プラントを分類することに焦点を当てる。 ResNet-50ディープラーニングモデルを用いて、10種類の発電所タイプとバックグラウンドクラスを区別することにより、平均90.0%の精度を達成することができる。
論文参考訳（メタデータ） (2021-07-22T19:36:07Z)
HVAQ: A High-Resolution Vision-Based Air Quality Dataset [3.9523800511973017]
PM2.5, PM10, 温度, 湿度データからなる高時間・空間分解能空気質データセットを提案する。我々は,センサの密度と画像によって予測精度が向上することを示すために,いくつかの視覚に基づくPM濃度予測アルゴリズムをデータセット上で評価した。
論文参考訳（メタデータ） (2021-02-18T13:42:34Z)
STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
論文参考訳（メタデータ） (2020-11-10T02:28:47Z)

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。