論文の概要: Wastewater Pipe Rating Model Using Natural Language Processing
- arxiv url: http://arxiv.org/abs/2202.13871v1
- Date: Tue, 22 Feb 2022 18:03:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-06 14:07:01.444687
- Title: Wastewater Pipe Rating Model Using Natural Language Processing
- Title（参考訳）: 自然言語処理を用いた排水管評価モデル
- Authors: Sai Nethra Betgeri, Shashank Reddy Vadyala, Dr. John C. Mattews, Dr.
Hongfang Lu
- Abstract要約: クローズド・サーキット・ビデオ(CCTV)検査は、ここ数十年でパイプラインの内部状態を視覚的に評価する最も一般的な手法である。
配管補修資料から下水構造条件を評価する従来の手作業は、長い時間を要するため、人的ミスを招きやすい。
本研究は,配管補修文書の配管欠陥評価を自動判定する有効な手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Closed-circuit video (CCTV) inspection has been the most popular technique
for visually evaluating the interior status of pipelines in recent decades.
Certified inspectors prepare the pipe repair document based on the CCTV
inspection. The traditional manual method of assessing sewage structural
conditions from pipe repair documents takes a long time and is prone to human
mistakes. The automatic identification of necessary texts has received little
attention. By building an automated framework employing Natural Language
Processing (NLP), this study presents an effective technique to automate the
identification of the pipe defect rating of the pipe repair documents. NLP
technologies are employed to break down textual material into grammatical units
in this research. Further analysis entails using words to discover pipe defect
symptoms and their frequency and then combining that information into a single
score. Our model achieves 95.0% accuracy,94.9% sensitivity, 94.4% specificity,
95.9% precision score, and 95.7% F1 score, showing the potential of the
proposed model to be used in large-scale pipe repair documents for accurate and
efficient pipeline failure detection to improve the quality of the pipeline.
Keywords: Sewer pipe inspection, Defect detection, Natural language processing,
Text recognition
- Abstract（参考訳）: この数十年間、クローズド・サーキット・ビデオ(cctv)検査はパイプラインの内部状態を視覚的に評価する最も一般的な技術である。
認定検査官は、CCTV検査に基づいてパイプ修理書類を作成する。
配管補修資料から下水構造条件を評価する従来の手作業は、長い時間を要するため、人的ミスを招きやすい。
必要なテキストの自動識別はほとんど注目されていない。
自然言語処理(nlp)を用いた自動化フレームワークを構築することにより,パイプ補修文書のパイプ欠陥評価の識別を効果的に自動化する手法を提案する。
本研究では,NLP技術を用いてテキスト素材を文法単位に分解する。
さらなる分析では、単語を使ってパイプ欠陥の症状とその頻度を発見し、その情報を1つのスコアにまとめる。
本モデルでは, 精度95.0%, 感度94.9%, 特異度94.4%, 精度95.9%, F1スコア95.7%を達成し, パイプラインの品質向上のために, 高精度かつ効率的なパイプライン故障検出のために, 大規模配管補修資料に使用するモデルの可能性を示した。
キーワード:下水道管検査、欠陥検出、自然言語処理、テキスト認識
関連論文リスト
- Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z) - Automatic Defect Detection in Sewer Network Using Deep Learning Based Object Detector [0.0]
様々な下水道管14.7kmのデータセットに注釈が付された。
オブジェクト検出器(EfficientDet-D0)が自動欠陥検出のために訓練された。
テストセットの83%の欠陥を検出することができ、欠落した17%のうち、非常に深刻な欠陥はわずか0.77%であった。
論文 参考訳（メタデータ） (2024-04-09T11:13:36Z) - MFL Data Preprocessing and CNN-based Oil Pipeline Defects Detection [0.0]
コンピュータビジョンの異常検出への応用は、いくつかの産業分野で注目されている。
本研究は磁気フラックス漏洩データと前処理技術の研究に焦点を当てる。
そのために、最近の畳み込みニューラルネットワーク構造を利用して、堅牢なアプローチを提案しました。
論文 参考訳（メタデータ） (2023-09-30T10:37:12Z) - U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep
Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。
不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文 参考訳（メタデータ） (2023-06-07T08:27:36Z) - Detecting automatically the layout of clinical documents to enhance the
performances of downstream natural language processing [53.797797404164946]
我々は,臨床用PDF文書を処理し,臨床用テキストのみを抽出するアルゴリズムを設計した。
このアルゴリズムは、PDFを使った最初のテキスト抽出と、続いてボディテキスト、左書き、フッタなどのカテゴリに分類される。
それぞれのセクションのテキストから興味ある医学的概念を抽出し,医療的パフォーマンスを評価した。
論文 参考訳（メタデータ） (2023-05-23T08:38:33Z) - Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
我々はミネラルウールのための視覚品質管理システムを開発した。
ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。
我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
論文 参考訳（メタデータ） (2022-11-01T13:58:02Z) - Wastewater Pipe Condition Rating Model Using K- Nearest Neighbors [0.0]
本研究の目的は, 管の物理特性, 外部特性および油圧特性に基づいて, 総合的な管評価モデルを分類することである。
提案モデルは, 業界が受け入れ, 利用したガイドラインに従って構築され, 全体像を推定する。
論文 参考訳（メタデータ） (2022-02-22T17:32:45Z) - Deep Learning Based Steel Pipe Weld Defect Detection [0.0]
鋼管溶接欠陥検出分野に適用するために, 最先端の単段物検出アルゴリズム YOLOv5 を提案する。
実験の結果, 鋼管溶接欠陥検出にyolov5を適用すると精度が大幅に向上し, マルチクラス化作業が完了し, リアルタイム検出の基準を満たした。
論文 参考訳（メタデータ） (2021-04-30T11:15:13Z) - Towards Automatic Digital Documentation and Progress Reporting of
Mechanical Construction Pipes using Smartphones [0.0]
本書は,建築工事における機械管の自動デジタル文書化と進捗報告のための新しい枠組みを提案する。
所望の画像重なりを達成するためにビデオフレームレートを最適化し、3次元再構成のためのメートル法スケールを定義し、点雲からパイプを抽出し、計画された量枠radiiに従ってパイプを分類する新しい手法を提案した。
論文 参考訳（メタデータ） (2020-12-20T15:53:34Z) - Text Mining to Identify and Extract Novel Disease Treatments From
Unstructured Datasets [56.38623317907416]
Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。
次に、テキストを体系的に前処理するためのパイプラインを構築します。
我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
論文 参考訳（メタデータ） (2020-10-22T19:52:49Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳（メタデータ） (2020-07-02T19:08:36Z)
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。