論文の概要: Liquid Leak Detection Using Thermal Images

• arxiv url: http://arxiv.org/abs/2312.10980v1
• Date: Mon, 18 Dec 2023 07:03:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 21:06:36.914432
• Title: Liquid Leak Detection Using Thermal Images
• Title（参考訳）: 熱画像を用いた液漏れ検出
• Authors: Kalpak Bansod, Yanshan Wan, and Yugesh Rai
• Abstract要約: 本稿では,石油・ガス産業における液漏れ問題に対する包括的解決法を提案する。 本研究は,パイプライン,ポンプ,タンクなどの主要インフラコンポーネントにおける液漏れの早期発見に重点を置いている。 監視熱カメラとセンサーの統合により、YOLOとRT DETRの複合モデルは顕著な効果を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a comprehensive solution to address the critical challenge of liquid leaks in the oil and gas industry, leveraging advanced computer vision and deep learning methodologies. Employing You Only Look Once (YOLO) and Real-Time Detection Transformer (RT DETR) models, our project focuses on enhancing early identification of liquid leaks in key infrastructure components such as pipelines, pumps, and tanks. Through the integration of surveillance thermal cameras and sensors, the combined YOLO and RT DETR models demonstrate remarkable efficacy in the continuous monitoring and analysis of visual data within oil and gas facilities. YOLO's real-time object detection capabilities swiftly recognize leaks and their patterns, while RT DETR excels in discerning specific leak-related features, particularly in thermal images. This approach significantly improves the accuracy and speed of leak detection, ultimately mitigating environmental and financial risks associated with liquid leaks.
• Abstract（参考訳）: 本稿では,先進的なコンピュータビジョンと深層学習手法を活用した,石油・ガス産業における液漏れ問題に対する包括的解決策を提案する。 YOLO(You Only Look Once)モデルとRT DETR(Real-Time Detection Transformer)モデルを採用することで,パイプラインやポンプ,タンクなどの重要なインフラストラクチャコンポーネントにおいて,液体リークの早期識別を向上する。 監視熱カメラとセンサーの統合により、YOLOとRT DETRの組み合わせモデルは、石油・ガス施設内の視覚データの連続的な監視と分析において顕著な効果を示した。 YOLOのリアルタイムオブジェクト検出機能は、リークとそのパターンを素早く認識する一方、RT DETRは、特に熱画像において、特定のリークに関連する特徴を識別するのに優れている。 このアプローチはリーク検出の精度と速度を大幅に改善し、最終的に液体漏れに伴う環境や金融のリスクを軽減する。

関連論文リスト

• Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
  本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。 車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。 ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
  論文  参考訳（メタデータ） (2024-10-08T10:35:32Z)
• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• Binocular Model: A deep learning solution for online melt pool temperature analysis using dual-wavelength Imaging Pyrometry [0.0]
  金属添加物製造(AM)において, メルトプール(MP)の温度監視は, 部品品質, プロセス安定性, 欠陥防止, プロセス全体の最適化の確保に不可欠である。 従来の手法は収束が遅く、データを実行可能な洞察に変換するために広範囲な手作業を必要とする。 本稿では,手作業によるデータ処理依存を減らすことを目的とした人工知能(AI)ベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-08-20T18:26:09Z)
• Research on Detection of Floating Objects in River and Lake Based on AI Intelligent Image Recognition [12.315852697312195]
  本研究では,河川・湖沼環境における浮遊物体の検出に焦点をあて,深層学習に基づく革新的なアプローチを探求する。 提案システムは, 河川や湖沼における水質モニタリングのための新しい技術として, 破片検出の精度と効率を大幅に向上させる能力を示した。
  論文  参考訳（メタデータ） (2024-04-10T10:13:37Z)
• Knowledge Distillation in YOLOX-ViT for Side-Scan Sonar Object Detection [0.40498500266986387]
  本稿では,新しい物体検出モデルであるYOLOX-ViTについて述べる。 我々は、新しいサイドスキャンソナー画像データセットを導入し、それを用いて、対象検出器の性能を評価する。
  論文  参考訳（メタデータ） (2024-03-14T12:03:28Z)
• D-YOLO a robust framework for object detection in adverse weather conditions [0.0]
  ヘイズ、雪、雨などの逆の気象条件は、画像品質の低下を招き、深層学習に基づく検知ネットワークの性能低下を招きかねない。 画像復元とオブジェクト検出のタスクをよりうまく統合するために,注目機能融合モジュールを備えた二重経路ネットワークを設計した。 我々はまた,検出ネットワークにヘイズフリーな機能を提供するサブネットワークを提案し,特に,明瞭な特徴抽出サブネットワークと検出ネットワーク間の距離を最小化することにより,検出ネットワークの性能を向上させる。
  論文  参考訳（メタデータ） (2024-03-14T09:57:15Z)
• 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)
• A Smart Robotic System for Industrial Plant Supervision [16.68349850187503]
  本稿では,各種センサとインテリジェントデータ処理を統合した自律走行ロボットによるシステムを提案する。 メタン漏れを検出し、流量を推定し、より一般的なガス異常を検出し、音源をローカライズし、故障事例を検出し、環境を3Dでマッピングし、自律的にナビゲートすることができる。
  論文  参考訳（メタデータ） (2023-08-10T14:54:21Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• 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)
• Energy Drain of the Object Detection Processing Pipeline for Mobile Devices: Analysis and Implications [77.00418462388525]
  本稿では、移動体拡張現実(AR)クライアントのエネルギー消費と、畳み込みニューラルネットワーク(CNN)に基づく物体検出を行う際の検出遅延について、初めて詳細な実験を行った。 我々は,移動体ARクライアントのエネルギー分析を精査し,CNNによる物体検出を行う際のエネルギー消費に関するいくつかの興味深い視点を明らかにした。
  論文  参考訳（メタデータ） (2020-11-26T00:32:07Z)

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。