Fugu-MT 論文翻訳(概要): Automated Optical Inspection of FAST's Reflector Surface using Drones and Computer Vision

論文の概要: Automated Optical Inspection of FAST's Reflector Surface using Drones and Computer Vision

arxiv url: http://arxiv.org/abs/2212.09039v1
Date: Sun, 18 Dec 2022 08:34:05 GMT
ステータス: 処理完了
システム内更新日: 2022-12-20 17:33:12.421957
Title: Automated Optical Inspection of FAST's Reflector Surface using Drones and Computer Vision
Title（参考訳）: ドローンとコンピュータビジョンを用いたFAST反射面の自動光学検査
Authors: Jianan Li, Shenwang Jiang, Liqiang Song, Peiran Peng, Feng Mu, Hui Li, Peng Jiang, Tingfa Xu
Abstract要約: 直径5メートルの球状電波望遠鏡(英: Five-hundred-meter Aperture Spherical Radio Telescope、FAST)は、世界最大の電波望遠鏡である。 FASTの大きな反射面は前代未聞の感度を達成するが、自然に落下する物体によって引き起こされるデントや穴などの損傷を受けやすい。この研究は、ディープラーニング技術とドローン技術を統合することで、FASTの検査を自動化するための第一歩となる。当社のAIによるドローンによる自動検査は、時間効率が高く、信頼性が高く、アクセシビリティも良好で、FASTの長期的かつ安定した運用を保証する。
参考スコア（独自算出の注目度）: 15.563799757564663
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The Five-hundred-meter Aperture Spherical radio Telescope (FAST) is the world's largest single-dish radio telescope. Its large reflecting surface achieves unprecedented sensitivity but is prone to damage, such as dents and holes, caused by naturally-occurring falling objects. Hence, the timely and accurate detection of surface defects is crucial for FAST's stable operation. Conventional manual inspection involves human inspectors climbing up and examining the large surface visually, a time-consuming and potentially unreliable process. To accelerate the inspection process and increase its accuracy, this work makes the first step towards automating the inspection of FAST by integrating deep-learning techniques with drone technology. First, a drone flies over the surface along a predetermined route. Since surface defects significantly vary in scale and show high inter-class similarity, directly applying existing deep detectors to detect defects on the drone imagery is highly prone to missing and misidentifying defects. As a remedy, we introduce cross-fusion, a dedicated plug-in operation for deep detectors that enables the adaptive fusion of multi-level features in a point-wise selective fashion, depending on local defect patterns. Consequently, strong semantics and fine-grained details are dynamically fused at different positions to support the accurate detection of defects of various scales and types. Our AI-powered drone-based automated inspection is time-efficient, reliable, and has good accessibility, which guarantees the long-term and stable operation of FAST.
Abstract（参考訳）: FAST(5-hundred-meter Aperture Spherical Radio Telescope)は、世界最大の電波望遠鏡である。その大きな反射面は、前例のない感度を達成するが、自然に落下する物体によって引き起こされるデントや穴などの損傷を受けやすい。したがって、FASTの安定動作には、表面欠陥のタイムリーかつ正確な検出が不可欠である。従来の手動検査では、人間の検査官が大きな表面を視覚的に登って検査する。本研究は,FAST検査の高速化と精度向上を目的として,深層学習技術とドローン技術を統合することにより,FAST検査の自動化に向けた第一歩となる。まず、ドローンは所定の経路に沿って表面を飛行する。表面欠陥はスケールが大きく異なり、クラス間類似度が高いため、ドローン画像の欠陥を検出するために既存のディープ検出器を直接適用することは、欠陥の欠如と誤認を生じやすい。深部検出器専用のプラグインであるクロスフュージョンを導入し,局所欠陥パターンに依存した多段階特徴の適応的融合を実現する。その結果、様々なスケールや種類の欠陥の正確な検出を支援するために、強い意味論ときめ細かい詳細を異なる位置で動的に融合する。当社のAIによるドローンによる自動検査は、時間効率が高く、信頼性が高く、アクセシビリティも良好です。

関連論文リスト

Performance Assessment of Feature Detection Methods for 2-D FS Sonar Imagery [11.23455335391121]
主な課題は、一様でない照明と、濁った環境での視界の低下である。高周波フォワードフォワードソナーカメラはこれらの問題に対処する。 5種類のソナー装置の実際のソナー画像を用いた特徴検出器の評価を行った。
論文参考訳（メタデータ） (2024-09-11T04:35:07Z)
A Study on Unsupervised Anomaly Detection and Defect Localization using Generative Model in Ultrasonic Non-Destructive Testing [0.0]
構造物における人工材料の劣化は深刻な社会問題となっている。レーザー超音波可視化試験(LUVT)は、超音波伝搬の可視化を可能にする。本稿では,異常検出手法を用いたLUVT自動検査手法を提案する。
論文参考訳（メタデータ） (2024-05-26T14:14:35Z)
C2FDrone: Coarse-to-Fine Drone-to-Drone Detection using Vision Transformer Networks [23.133250476580038]
衝突回避、敵のドローン対策、捜索救助活動など、さまざまな用途において、視覚に基づくドローンからドローンまでの検出システムは不可欠である。ドローンの検出には、小さなオブジェクトのサイズ、歪み、リアルタイム処理要求など、ユニークな課題がある。本稿では,視覚変換器に基づく粗大な検出手法を提案する。
論文参考訳（メタデータ） (2024-04-30T05:51:21Z)
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)
Security Fence Inspection at Airports Using Object Detection [4.373803477995854]
空港のセキュリティフェンスは一般的に使用されるが、損傷を検出するには定期的な検査が必要である。目的は、自律ロボットの助けを借りて、フェンスの損傷を自動的に検査することである。本研究では,フェンス検査の課題に対処し,様々な種類の損傷を局所化するための物体検出手法について検討する。
論文参考訳（メタデータ） (2023-11-18T21:59:48Z)
Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文参考訳（メタデータ） (2023-09-22T06:19:11Z)
Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文参考訳（メタデータ） (2022-07-13T13:59:59Z)
Early Recall, Late Precision: Multi-Robot Semantic Object Mapping under Operational Constraints in Perceptually-Degraded Environments [47.917640567924174]
本稿では,この問題を解決するためにEarly Recall, Late Precision (EaRLaP)意味オブジェクトマッピングパイプラインを提案する。 EaRLaPはDARPA Subterranean ChallengeでTeam CoSTARによって使用された。各種データセット上でのEaRLaPの結果と性能について論じる。
論文参考訳（メタデータ） (2022-06-21T01:11:42Z)
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)
Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文参考訳（メタデータ） (2021-11-17T21:48:31Z)
Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文参考訳（メタデータ） (2020-09-16T11:37:43Z)

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。