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
- 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) - Evaluating Deep Learning Assisted Automated Aquaculture Net Pens
Inspection Using ROV [0.27309692684728615]
魚は魚の養殖場から海に逃げ出す。
従来の検査システムは、専門家のダイバーやROVによる視覚検査に依存している。
本稿では,養殖網ペンを対象としたロボットによる自動網欠陥検出システムについて述べる。
論文 参考訳(メタデータ) (2023-08-26T09:35:49Z) - 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) - Synergistic Integration of Techniques of VC, Communication Technologies
and Unities of Calculation Transportable for Generate a System Embedded That
Monitors Pyroclastic Flows in Real Time [0.0]
本稿では,火山流の挙動をリアルタイムで自動解析できる早期警戒技術の開発について述べる。
このデータは人工的な視覚で分析でき、組込みシステム内の画像から最も多くの情報を得ることができる。
論文 参考訳(メタデータ) (2022-08-15T20:02:22Z) - 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) - DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep
Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。
DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
論文 参考訳(メタデータ) (2021-09-21T10:38:26Z) - 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) - Why Normalizing Flows Fail to Detect Out-of-Distribution Data [51.552870594221865]
正規化フローは、イン・オブ・ディストリビューションデータとアウト・オブ・ディストリビューションデータの区別に失敗する。
フローは局所的な画素相関と画像からラテンス空間への変換を学習する。
フロー結合層のアーキテクチャを変更することで、ターゲットデータのセマンティック構造を学ぶためのフローに偏りがあることが示される。
論文 参考訳(メタデータ) (2020-06-15T17:00:01Z)
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。