論文の概要: Automatic Borescope Damage Assessments for Gas Turbine Blades via Deep Learning

• arxiv url: http://arxiv.org/abs/2103.05430v1
• Date: Tue, 23 Feb 2021 11:44:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:47:12.360530
• Title: Automatic Borescope Damage Assessments for Gas Turbine Blades via Deep Learning
• Title（参考訳）: 深層学習によるガスタービンブレードの自動ボアスコープ損傷評価
• Authors: Chun Yui Wong, Pranay Seshadri, Geoffrey T. Parks
• Abstract要約: エアロエンジンのブレード部品は材料限界に近い。 コンプレッサとタービンブレードの運転中の損傷は、エンジンの性能に重大な即時的影響をもたらす。 ブレード視覚検査の現在の方法は、主にボアスコープイメージングに基づいている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To maximise fuel economy, bladed components in aero-engines operate close to material limits. The severe operating environment leads to in-service damage on compressor and turbine blades, having a profound and immediate impact on the performance of the engine. Current methods of blade visual inspection are mainly based on borescope imaging. During these inspections, the sentencing of components under inspection requires significant manual effort, with a lack of systematic approaches to avoid human biases. To perform fast and accurate sentencing, we propose an automatic workflow based on deep learning for detecting damage present on rotor blades using borescope videos. Building upon state-of-the-art methods from computer vision, we show that damage statistics can be presented for each blade in a blade row separately, and demonstrate the workflow on two borescope videos.
• Abstract（参考訳）: 燃費を最大化するため、エアロエンジンのブレード部品は材料限界に近い動作をする。 厳しい運転環境は、圧縮機とタービンブレードにサービス内損傷を生じさせ、エンジンの性能に重大な影響を及ぼした。 ブレード視覚検査の現在の方法は、主にボアスコープイメージングに基づいている。 これらの検査の間、検査対象のコンポーネントのセンテンシングは、人間のバイアスを避けるための体系的なアプローチが欠如しているため、かなりの手作業を必要とする。 高速かつ高精度なセンテンシングを実現するため,ボアスコープビデオを用いた深層学習によるローターブレードの損傷検出のための自動ワークフローを提案する。 コンピュータビジョンによる最先端の手法に基づいて,ブレード列の各ブレードの損傷統計を別々に提示し,2つのボアスコープビデオでワークフローを実演する。

関連論文リスト

• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• A Novel Approach for Defect Detection of Wind Turbine Blade Using Virtual Reality and Deep Learning [0.0]
  風力タービンの仮想モデルを構築し,4種類の共通欠陥に対する近接現実像を合成する。 第2のステップでは、タービンブレードの欠陥を分類してセグメント化するために、カスタマイズされたU-Netアーキテクチャが訓練されている。 提案手法は,航空機による自律的,遠隔的検査に適した,適切な欠陥検出精度を提供する。
  論文  参考訳（メタデータ） (2023-12-30T13:58:50Z)
• Towards Viewpoint Robustness in Bird's Eye View Segmentation [85.99907496019972]
  AV知覚モデルがカメラ視点の変化にどのように影響するかを考察する。 投機時のピッチ、ヨー、深さ、高さへの小さな変化は、大きな性能低下につながる。 本稿では,新しいビュー合成技術を導入し,収集したデータをターゲットリグの視点に変換する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-11T02:10:07Z)
• An Automated System for Detecting Visual Damages of Wind Turbine Blades [2.8360662552057323]
  風力タービンブレードの損傷は、高い運転コストの原因となっている。 刃の損傷の視覚的識別に関する最近の研究は、まだ実験段階である。 モデルのパフォーマンスを達成するずっと前に、モデルを本番環境にプッシュすることは、真の価値を生み出すことができる、と私たちは主張します。
  論文  参考訳（メタデータ） (2022-05-22T23:17:49Z)
• Semi-Supervised Surface Anomaly Detection of Composite Wind Turbine Blades From Drone Imagery [17.639472693362926]
  BladeNetは、教師なしタービンブレードの検出と抽出の両方を行うアプリケーションベースで堅牢なデュアルアーキテクチャである。 我々の二重構造はガラス繊維複合材ブレードの表面欠陥を高い適性で検出する。 BladeNetは、オフショア風力タービンのためのOrstedブレード検査データセットで0.995のAverage Precision(AP)を、デンマーク工科大学(DTU)のNordTankタービン検査データセットで0.223のAverage Precision(AP)を生成しています。
  論文  参考訳（メタデータ） (2021-12-01T15:20:12Z)
• Oil and Gas Pipeline Monitoring during COVID-19 Pandemic via Unmanned Aerial Vehicle [0.0]
  石油とガスの輸送パイプラインの広大なネットワークは、機器の故障や潜在的な事故を避けるために定期的な監視を必要とする。 多くの検査方法の中で、無人航空機システムには柔軟性と安定性が含まれている。 現在の論文は、ドローンによる検査の映像と画像をキャプチャするアイデアに基づいており、危険になる前にいくつかの潜在的な問題を発見することができる。
  論文  参考訳（メタデータ） (2021-11-15T16:44:16Z)
• Self-Supervised Steering Angle Prediction for Vehicle Control Using Visual Odometry [55.11913183006984]
  視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。 車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-20T16:29:01Z)
• Machine Learning for Nondestructive Wear Assessment in Large Internal Combustion Engines [0.8795040582681388]
  既存の摩耗の定量化には, 検査ライナーの分解, 切断が必要である。 リニア表面の反射rgb画像から表面表現軸受荷重曲線の計算を可能にするディープラーニングフレームワークを提案する。 この目的のために、畳み込みニューラルネットワークを訓練し、対応する深さプロファイルの軸受荷重曲線を推定する。
  論文  参考訳（メタデータ） (2021-03-15T16:01:17Z)
• Automotive Radar Interference Mitigation with Unfolded Robust PCA based on Residual Overcomplete Auto-Encoder Blocks [88.46770122522697]
  自律走行では、レーダーシステムは道路上の他の車両のような標的を検出する上で重要な役割を果たす。 自動車用レーダー干渉緩和のための深層学習手法は、目標の振幅を確実に推定できるが、それぞれの目標の位相を回復できない。 干渉の有無で振幅と位相の両方を推定できる効率的かつ効率的な手法を提案する。
  論文  参考訳（メタデータ） (2020-10-14T09:41:06Z)
• Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring [52.557003792696484]
  本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。 本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
  論文  参考訳（メタデータ） (2020-06-20T11:56:32Z)
• Circumventing Outliers of AutoAugment with Knowledge Distillation [102.25991455094832]
  AutoAugmentは多くの視覚タスクの精度を向上させる強力なアルゴリズムである。 本論文は作業機構を深く掘り下げ,AutoAugmentがトレーニング画像から識別情報の一部を除去できることを明らかにする。 教師モデルの出力に言及した知識蒸留を用いて,ネットワークトレーニングの指導を行う。
  論文  参考訳（メタデータ） (2020-03-25T11:51:41Z)

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。