論文の概要: A real-time material breakage detection for offshore wind turbines based
on improved neural network algorithm
- arxiv url: http://arxiv.org/abs/2307.13765v1
- Date: Tue, 25 Jul 2023 18:50:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-27 14:35:58.828795
- Title: A real-time material breakage detection for offshore wind turbines based
on improved neural network algorithm
- Title（参考訳）: 改良型ニューラルネットワークアルゴリズムによる洋上風力タービンのリアルタイム材料破壊検出
- Authors: Yantong Liu
- Abstract要約: 本研究は、YOLOv8オブジェクト検出モデルの高度なバージョンを活用する新しいアプローチを提案する。
我々は,Semangeum洋上風力発電所の5,432枚の画像と,公開されているデータセットを用いている。
この結果, 欠陥検出安定性が著しく向上し, タービンの効率向上に向けた重要な歩みが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The integrity of offshore wind turbines, pivotal for sustainable energy
generation, is often compromised by surface material defects. Despite the
availability of various detection techniques, limitations persist regarding
cost-effectiveness, efficiency, and applicability. Addressing these
shortcomings, this study introduces a novel approach leveraging an advanced
version of the YOLOv8 object detection model, supplemented with a Convolutional
Block Attention Module (CBAM) for improved feature recognition. The optimized
loss function further refines the learning process. Employing a dataset of
5,432 images from the Saemangeum offshore wind farm and a publicly available
dataset, our method underwent rigorous testing. The findings reveal a
substantial enhancement in defect detection stability, marking a significant
stride towards efficient turbine maintenance. This study's contributions
illuminate the path for future research, potentially revolutionizing
sustainable energy practices.
- Abstract（参考訳）: 持続可能エネルギーの源である沖合風力タービンの完全性は、しばしば表面物質欠陥によって損なわれる。
様々な検出技術が利用可能であるにもかかわらず、コスト効率、効率、適用性に関する制限は続く。
これらの欠点に対処するため, 改良された特徴認識のために, CBAM (Convolutional Block Attention Module) を付加した YOLOv8 オブジェクト検出モデルの高度なバージョンを活用する新しいアプローチを提案する。
最適化された損失関数は学習プロセスをさらに洗練する。
saemangeumのオフショア風力発電所から得られた5,432枚の画像と公開データセットを用いて,厳密な試験を行った。
この結果, 欠陥検出安定性が著しく向上し, タービンの効率向上に向けた重要な歩みが示された。
この研究の貢献は将来の研究への道のりを示し、持続可能なエネルギープラクティスに革命をもたらす可能性がある。
関連論文リスト
- Barely-Visible Surface Crack Detection for Wind Turbine Sustainability [0.0]
本稿では,多くの風車検査から収集したほとんど見えないヘアラインひび割れのデータセットについて紹介する。
本データセットの有効性を証明するため, エンド・ツー・エンドのタービンき裂検出パイプラインについて詳述した。
論文 参考訳（メタデータ） (2024-07-09T19:03:48Z) - Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。
検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。
また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
論文 参考訳（メタデータ） (2024-05-27T17:59:39Z) - Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。
効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。
本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文 参考訳（メタデータ） (2024-04-24T13:50:27Z) - Optimizing Contrail Detection: A Deep Learning Approach with EfficientNet-b4 Encoding [3.106927445586204]
航空業界は、生態系のフットプリントを最小限に抑えるという課題に直面している。
主要な解決策の1つは、航空機の排気によって発生する直線的な氷結晶雲をターゲットとした避妊である。
本稿では,特徴抽出に効率的なネット-b4エンコーダを用いた革新的な深層学習手法を提案する。
論文 参考訳（メタデータ） (2024-04-20T00:21:06Z) - Unveiling Hidden Energy Anomalies: Harnessing Deep Learning to Optimize
Energy Management in Sports Facilities [4.964511991616738]
スポーツ施設の異常検出における機械学習,特にディープラーニングの役割について検討する。
本稿では,Deep Feedforward Neural Networks (DFNN) を用いた問題定式化を行い,しきい値推定手法を提案する。
提案手法の有効性を評価するため, カタール大学における水文中心データセットの実験を行った。
論文 参考訳（メタデータ） (2024-02-13T19:27:06Z) - 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) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳（メタデータ） (2023-12-18T12:37:35Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - 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) - Fast Recognition of birds in offshore wind farms based on an improved
deep learning model [0.19336815376402716]
鳥類検出作業におけるこのモデルの精度は87.40%に達し、21.25%の増加となる。
このモデルでは、風力タービン付近の鳥をリアルタイムで検出でき、夜間、雨季、不安定な条件で強い安定性を示す。
論文 参考訳（メタデータ） (2023-06-28T08:47:04Z) - Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
風力タービンの健全性解析のための2つの新しい手法を提案する。
第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。
第2の方法は抽出された概念の全体的ドリフトを評価する。
論文 参考訳（メタデータ） (2021-12-09T14:04:55Z)
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。