論文の概要: Real-Time Oil Leakage Detection on Aftermarket Motorcycle Damping System with Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2208.05192v1
• Date: Wed, 10 Aug 2022 07:21:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-11 12:53:44.860798
• Title: Real-Time Oil Leakage Detection on Aftermarket Motorcycle Damping System with Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いたアフターマーケット・オートバイ制振システムのリアルタイム油漏れ検出
• Authors: Federico Bianchi, Stefano Speziali, Andrea Marini, Massimiliano Proietti, Lorenzo Menculini, Alberto Garinei, Gabriele Bellani, Marcello Marconi
• Abstract要約: 深層学習とコンピュータビジョンがAirTenderシステムの異常事象を検出するのにどのように役立つかを詳細に説明する。 AirTenderの機能を監視する最も効果的な方法の1つは、表面の油の汚れを探すことだ。
• 参考スコア（独自算出の注目度）: 9.680826812794301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we describe in detail how Deep Learning and Computer Vision can help to detect fault events of the AirTender system, an aftermarket motorcycle damping system component. One of the most effective ways to monitor the AirTender functioning is to look for oil stains on its surface. Starting from real-time images, AirTender is first detected in the motorbike suspension system and then a binary classifier determines whether AirTender is spilling oil or not. The detection is made with the help of the Yolo5 architecture, whereas the classification is carried out with the help of a suitably designed Convolutional Neural Network, OilNet40. In order to detect oil leaks more clearly, we dilute the oil in AirTender with a fluorescent dye with excitation wavelength peak of approximately 390 nm. AirTender is then illuminated with suitable UV LEDs. The whole system is an attempt to design a low-cost detection setup. An on-board device, such as a mini-computer, is placed near the suspension system and connected to a full hd camera framing AirTender. The on-board device, through our Neural Network algorithm, is then able to localize and classify AirTender as normally functioning (non-leak image) or anomaly (leak image).
• Abstract（参考訳）: 本研究では,自動車用後流ダンピングシステムであるAirTenderシステムにおいて,Deep LearningとComputer Visionが障害事象の検出にどのように役立つかを詳細に述べる。 AirTenderの機能を監視する最も効果的な方法の1つは、表面の油の汚れを探すことだ。 リアルタイム画像から始めると、AirTenderはバイクのサスペンションシステムで最初に検出され、2進分類器がAirTenderがオイルをこぼしているかどうかを判定する。 検出はYolo5アーキテクチャの助けを借りて行われ、分類は適切な設計の畳み込みニューラルネットワークである OilNet40 の助けを借りて行われる。 油漏れをより明確に検出するために,約390nmの励起波長ピークを有する蛍光染料を用いて,エアテンダー中の油を希釈する。 AirTenderは適切な紫外線LEDで照らされる。 システム全体が低コストの検知装置を設計する試みである。 ミニコンピュータなどのオンボード装置はサスペンションシステムの近くに置かれ、エアテンダーをフレーミングするフルhdカメラに接続されている。 このオンボードデバイスは、ニューラルネットワークアルゴリズムにより、AirTenderを通常の機能(非リーク画像)または異常(リーク画像)としてローカライズし、分類することができる。

関連論文リスト

• Cable Slack Detection for Arresting Gear Application using Machine Vision [0.0]
  ケーブルをベースとした逮捕システムは、航空母艦の打ち上げと回収、および遠征用陸上基地の設置に不可欠である。 このシステムの主要なコンポーネントの1つは、エンジンへのケーブルインターフェースである。 この界面におけるケーブルのスラックの形成は効率を低下させ、継続動作前にケーブルのスラックを除去するためのメンテナンスを駆動する。 マシンビジョンに基づくスラック検出システムを示す。
  論文  参考訳（メタデータ） (2023-12-04T20:00:40Z)
• 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)
• Real-Time Idling Vehicles Detection using Combined Audio-Visual Deep Learning [1.2733164388167968]
  リアルタイム動的車両アイドリング検出アルゴリズムを提案する。 提案手法は、アイドリング車両を検出するためのマルチセンサ、オーディオ視覚、機械学習ワークフローに依存している。 我々はソルトレイクシティの病院の退院地点でリアルタイムでシステムをテストする。
  論文  参考訳（メタデータ） (2023-05-23T23:35:43Z)
• DADFNet: Dual Attention and Dual Frequency-Guided Dehazing Network for Video-Empowered Intelligent Transportation [79.18450119567315]
  逆の気象条件は、ビデオベースの交通監視に深刻な課題をもたらす。 本稿では,リアルタイム視認性向上のための2つの注意と2つの周波数誘導型脱ハージングネットワーク(DADFNet)を提案する。
  論文  参考訳（メタデータ） (2023-04-19T11:55:30Z)
• AirTrack: Onboard Deep Learning Framework for Long-Range Aircraft Detection and Tracking [3.3773749296727535]
  AirTrackは、sUASシステムのサイズ、重量、電力制約を尊重するリアルタイムの視覚のみの検出および追跡フレームワークである。 AirTrackは、Amazon Airborne Object Tracking(AOT)で最先端のアートベースラインを上回ります。 実験による評価から,本システムでは,最大で700mまでの95%以上をトラックできる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-09-26T16:58:00Z)
• Removing Diffraction Image Artifacts in Under-Display Camera via Dynamic Skip Connection Network [80.67717076541956]
  アンダーディスプレイカメラ(UDC)システムは、スマートフォン上で真のベゼルレスおよびノッチフリーの視聴体験を提供します。 典型的なUDCシステムでは、ピクセルアレイはカメラ上の入射光を減衰および回折し、画像品質の大幅な低下をもたらす。 本研究では,前述の劣化問題の解析と対処を目的とする。
  論文  参考訳（メタデータ） (2021-04-19T18:41:45Z)
• Infrared Beacons for Robust Localization [58.720142291102135]
  本稿では、赤外ビーコンと光帯域通過フィルタを備えたカメラを用いたローカライズシステムを提案する。 本システムは,照明条件にかかわらず,100m距離の個々のビーコンを確実に検出し識別することができる。
  論文  参考訳（メタデータ） (2021-04-19T14:23:20Z)
• Deep Learning-based Human Detection for UAVs with Optical and Infrared Cameras: System and Experiments [35.342730238802886]
  本稿では,光学(RGB)と長波赤外線(LWIR)カメラを用いた深層学習に基づく人体検知システムを提案する。 それぞれのスペクトルにおいて、ResNetバックボーンを備えたカスタマイズされたRetinaNetネットワークは、人間の検出を提供する。 境界ボックスアンカーを最適化し,画像解像度を向上することにより,高高度からの欠落検出数を20%以上削減できることを示す。
  論文  参考訳（メタデータ） (2020-08-10T15:30:42Z)
• Real-Time Drone Detection and Tracking With Visible, Thermal and Acoustic Sensors [66.4525391417921]
  熱赤外カメラは、ドローン検出タスクに対する実現可能な解決策であることが示されている。 また,センサ間距離の関数としての検出器性能についても検討した。 ドローン、鳥、飛行機、ヘリコプターの650個の注釈付き赤外線と可視ビデオを含む新しいビデオデータセットも紹介されている。
  論文  参考訳（メタデータ） (2020-07-14T23:06:42Z)
• Built Infrastructure Monitoring and Inspection Using UAVs and Vision-based Algorithms [2.0305676256390934]
  本研究では, 実時間制御無人航空機(UAV)による構造物表面の検査システムを提案する。 本システムは,Wentworthライトレールベース構造である目標構造を調査するために,良好な気象条件下で運用されている。
  論文  参考訳（メタデータ） (2020-05-19T14:37:48Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。