論文の概要: Crack detection using tap-testing and machine learning techniques to prevent potential rockfall incidents

• arxiv url: http://arxiv.org/abs/2110.04923v1
• Date: Sun, 10 Oct 2021 22:53:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-14 10:45:46.892960
• Title: Crack detection using tap-testing and machine learning techniques to prevent potential rockfall incidents
• Title（参考訳）: タップテストと機械学習による亀裂検出による落岩事故の防止
• Authors: Roya Nasimi, Fernando Moreu, John Stormont
• Abstract要約: 本稿では,岩盤の自動探傷システムを提案する。 ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。 音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
• 参考スコア（独自算出の注目度）: 68.8204255655161
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rockfalls are a hazard for the safety of infrastructure as well as people. Identifying loose rocks by inspection of slopes adjacent to roadways and other infrastructure and removing them in advance can be an effective way to prevent unexpected rockfall incidents. This paper proposes a system towards an automated inspection for potential rockfalls. A robot is used to repeatedly strike or tap on the rock surface. The sound from the tapping is collected by the robot and subsequently classified with the intent of identifying rocks that are broken and prone to fall. Principal Component Analysis (PCA) of the collected acoustic data is used to recognize patterns associated with rocks of various conditions, including intact as well as rock with different types and locations of cracks. The PCA classification was first demonstrated simulating sounds of different characteristics that were automatically trained and tested. Secondly, a laboratory test was conducted tapping rock specimens with three different levels of discontinuity in depth and shape. A real microphone mounted on the robot recorded the sound and the data were classified in three clusters within 2D space. A model was created using the training data to classify the reminder of the data (the test data). The performance of the method is evaluated with a confusion matrix.
• Abstract（参考訳）: 岩は人だけでなくインフラの安全にも危険である。 道路その他のインフラに隣接した斜面を検査し,前もって取り除くことにより,緩い岩を同定することは,予期せぬ落石事故を防止する効果的な方法である。 本稿では,潜在的な岩盤の自動点検システムを提案する。 ロボットは岩の表面を何度も叩いたりタップしたりする。 タッピングの音はロボットによって収集され、その後、壊れやすい岩を識別する意図で分類される。 収集した音響データの主成分分析 (PCA) は, き裂の種類や位置の異なる岩石と同様に, 各種条件の岩石に関連するパターンを認識するために用いられる。 PCA分類は、自動的に訓練され、試験された異なる特性の音をシミュレートした。 第2に, 深さ・形状の異なる3つの不連続な岩石試料のタッピング実験を行った。 ロボットに搭載された実際のマイクは音を記録し、データは2d空間内の3つのクラスターに分類された。 トレーニングデータを使用して、データ(テストデータ)のリマインダーを分類するモデルが作成されました。 本手法の性能を混乱行列を用いて評価する。

関連論文リスト

• A comparative study on machine learning approaches for rock mass classification using drilling data [0.3749861135832073]
  掘削・爆発トンネルにおける現在の岩石工学設計は、技術者の観察的評価に依存している。 トンネル掘削時に収集した高分解能センサ・データセットであるMWDデータ(MWD)は未利用である。 本研究の目的は,MWDデータを岩盤工学の実用的な指標に自動変換することである。
  論文  参考訳（メタデータ） (2024-03-15T15:37:19Z)
• Adversary ML Resilience in Autonomous Driving Through Human Centered Perception Mechanisms [0.0]
  本稿では,3つの物理的攻撃(テープ,落書き,照明)に対する自律走行システムのレジリエンスについて検討する。 攻撃に対する堅牢性を構築するために、敵の訓練や移動学習のような防御技術が導入された。 その結果,道路標識分類の一般化性を向上させるために,形状訓練から得られる知識を付与することにより,伝達学習モデルが性能において重要な役割を担っていることが示された。
  論文  参考訳（メタデータ） (2023-11-02T04:11:45Z)
• A Skeleton-based Approach For Rock Crack Detection Towards A Climbing Robot Application [0.0]
  ReachBotのような登山ロボットは、不規則な表面の特徴を把握し、障害物を克服するために登山運動を実行することができる。 SKeleton Intersection Loss(SKeleton Intersection Loss)を提案する。
  論文  参考訳（メタデータ） (2023-09-10T21:16:56Z)
• How adversarial attacks can disrupt seemingly stable accurate classifiers [76.95145661711514]
  敵攻撃は、入力データに不連続な修正を加えることで、非正確な学習システムの出力を劇的に変化させる。 ここでは,これは高次元入力データを扱う分類器の基本的特徴であると考えられる。 実用システムで観測される重要な振る舞いを高い確率で発生させる、単純で汎用的なフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-09-07T12:02:00Z)
• Automatic Segmentation of Aircraft Dents in Point Clouds [0.0]
  本報告では, 自動歯列検査に向けた2つの展開について報告する。 1つ目は、完全な畳み込みニューラルネットワークをトレーニングするために、デント面の合成データセットを生成する方法である。 2つ目は、3Dポイントのクラウドを2.5Dに変換する戦略だ。
  論文  参考訳（メタデータ） (2022-05-03T16:48:31Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• End-to-End Intelligent Framework for Rockfall Detection [1.8594711725515676]
  岩石の検出は地質学の分野で重要な手順であり、関連するリスクを減らすのに役立ちます。 現在、地質学者は、地球レーザースキャナーやデジタルカメラなどのさまざまなキャプションデバイスから得られたポイントクラウドと画像データを使用して、ほぼ手動で岩石のイベントを特定します。 本稿では,この課題に対処し,ドメイン地質と意思決定支援システムの交点で働く個人に対して,ロックフォールイベント検出のためのインテリジェントなフレームワークを提供する。
  論文  参考訳（メタデータ） (2021-02-12T12:48:17Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)
• Unsupervised Domain Adaptation for Acoustic Scene Classification Using Band-Wise Statistics Matching [69.24460241328521]
  機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。 本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。 提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T23:56:05Z)

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。