論文の概要: Segmentation of Industrial Burner Flames: A Comparative Study from Traditional Image Processing to Machine and Deep Learning

• arxiv url: http://arxiv.org/abs/2306.14789v1
• Date: Mon, 26 Jun 2023 15:46:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 12:58:02.085633
• Title: Segmentation of Industrial Burner Flames: A Comparative Study from Traditional Image Processing to Machine and Deep Learning
• Title（参考訳）: 産業用バーナー火炎のセグメンテーション:伝統的な画像処理から機械学習とディープラーニングとの比較研究
• Authors: Steven Landgraf, Markus Hillemann, Moritz Aberle, Valentin Jung, Markus Ulrich
• Abstract要約: 発電、化学製造、廃棄物管理といった多くの産業プロセスにおいて、安全かつ効率的な運転には工業用バーナー火炎特性を正確にモニタリングすることが不可欠である。 重要なステップは、背景からバイナリセグメンテーションを通して火炎を分離することである。 本稿では,グローバルスレッショルド,リージョングローディング,サポートベクトルマシン,ランダムフォレスト,マルチレイヤパーセプトロン,U-Net,DeepLabV3+など,複数のセグメンテーション手法の比較研究を行う。 高い精度では、ディープラーニングが主要なアプローチであるが、高速でシンプルなソリューションでは、従来の画像処理技術が引き続き有効な選択肢である。
• 参考スコア（独自算出の注目度）: 10.34616284867947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In many industrial processes, such as power generation, chemical production, and waste management, accurately monitoring industrial burner flame characteristics is crucial for safe and efficient operation. A key step involves separating the flames from the background through binary segmentation. Decades of machine vision research have produced a wide range of possible solutions, from traditional image processing to traditional machine learning and modern deep learning methods. In this work, we present a comparative study of multiple segmentation approaches, namely Global Thresholding, Region Growing, Support Vector Machines, Random Forest, Multilayer Perceptron, U-Net, and DeepLabV3+, that are evaluated on a public benchmark dataset of industrial burner flames. We provide helpful insights and guidance for researchers and practitioners aiming to select an appropriate approach for the binary segmentation of industrial burner flames and beyond. For the highest accuracy, deep learning is the leading approach, while for fast and simple solutions, traditional image processing techniques remain a viable option.
• Abstract（参考訳）: 発電、化学製造、廃棄物管理といった多くの産業プロセスにおいて、安全かつ効率的な運転には工業用バーナー火炎特性を正確にモニタリングすることが不可欠である。 重要なステップは、二分セグメンテーションを通じて火炎を背景から分離することである。 マシンビジョン研究の数十年は、従来の画像処理から従来の機械学習や現代のディープラーニング手法まで、幅広い可能なソリューションを生み出してきた。 本研究では,複数のセグメンテーション手法(グローバルしきい値,領域成長,サポートベクターマシン,ランダムフォレスト,多層パーセプトロン,u-net,deeplabv3+)の比較研究を行い,産業用バーナ火炎に関するベンチマークデータセットを用いて評価した。 我々は,産業用バーナ火炎を二分する適切な方法を選択することを目的とした研究者や実践者に有用な洞察とガイダンスを提供する。 高い精度では、ディープラーニングが主要なアプローチであるが、高速でシンプルなソリューションでは、従来の画像処理技術が引き続き有効な選択肢である。

関連論文リスト

• Coarse-to-Fine Detection of Multiple Seams for Robotic Welding [24.367563906633357]
  本稿では, 溶接シームを概ね局在させることにより, 関心領域を得るための枠組みを提案する。 この結果は、実世界の産業応用の可能性を示している。
  論文  参考訳（メタデータ） (2024-08-20T10:24:59Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Machine learning for industrial sensing and control: A survey and practical perspective [7.678648424345052]
  プロセス産業で実際に成功している重要な統計および機械学習技術を特定する。 ソフトセンシングは、統計学と機械学習の手法の多くの産業応用を含んでいる。 データ駆動最適化と制御のための2つの異なるフレーバーについて考察する。
  論文  参考訳（メタデータ） (2024-01-24T22:27:04Z)
• Diffusion-based Visual Counterfactual Explanations -- Towards Systematic Quantitative Evaluation [64.0476282000118]
  視覚的対物的説明法(VCE)の最新手法は、深い生成モデルの力を利用して、印象的な画質の高次元画像の新しい例を合成する。 評価手順が大きく異なり,個々の実例の視覚検査や小規模なユーザスタディなど,これらのVCE手法の性能を比較することは,現時点では困難である。 本稿では,VCE手法の体系的,定量的評価のためのフレームワークと,使用する指標の最小セットを提案する。
  論文  参考訳（メタデータ） (2023-08-11T12:22:37Z)
• Domain Knowledge integrated for Blast Furnace Classifier Design [1.1279808969568252]
  高炉のモデリングと制御は産業分野における重要な問題の一つである。 本稿では,産業応用のための分類器を生成するドメイン知識統合分類モデルを設計するための枠組みを提案する。
  論文  参考訳（メタデータ） (2023-03-31T02:13:32Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Enhancing Core Image Classification Using Generative Adversarial Networks (GANs) [2.829485314480545]
  本研究の目的は,コア検出と分類のプレス問題に対処することである。 最初の課題は、コアを検出し、画像に穴を埋めることです。 次に,コア画像の穴を埋める問題に対処する。 最後に、コア画像の分類に洗練されたテクスチャ認識モデルを適用する。
  論文  参考訳（メタデータ） (2022-04-21T16:00:21Z)
• Efficient automated U-Net based tree crown delineation using UAV multi-spectral imagery on embedded devices [2.7393821783237184]
  ガイドラインのアプローチは、農業、環境、自然災害のモニタリングなど、様々な領域に重要な利益をもたらす。 ディープラーニングはコンピュータビジョンを変革し、機械翻訳を劇的に改善した。 マルチスペクトル画像を用いて効果的にトレーニングするU-Netベースツリーデライン化手法を提案するが,その上で単一スペクトル画像のデライン化を行うことができる。
  論文  参考訳（メタデータ） (2021-07-16T11:17:36Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)
• Remote Sensing Image Scene Classification Meets Deep Learning: Challenges, Methods, Benchmarks, and Opportunities [81.29441139530844]
  本稿では,160以上の論文を網羅し,リモートセンシング画像シーン分類のためのディープラーニング手法の体系的調査を行う。 リモートセンシング画像シーンの分類と調査の主な課題について論じる。 リモートセンシング画像シーン分類に使用されるベンチマークを導入し,2ダース以上の代表アルゴリズムの性能を要約する。
  論文  参考訳（メタデータ） (2020-05-03T14:18:00Z)
• Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
  イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。 深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
  論文  参考訳（メタデータ） (2020-01-15T21:37:47Z)

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。