論文の概要: Scalable Methods for Brick Kiln Detection and Compliance Monitoring from
Satellite Imagery: A Deployment Case Study in India
- arxiv url: http://arxiv.org/abs/2402.13796v1
- Date: Wed, 21 Feb 2024 13:26:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 15:19:34.231518
- Title: Scalable Methods for Brick Kiln Detection and Compliance Monitoring from
Satellite Imagery: A Deployment Case Study in India
- Title（参考訳）: 衛星画像からのれんが検出・コンプライアンスモニタリングのためのスケーラブルな方法:インドにおける展開事例
- Authors: Rishabh Mondal, Zeel B Patel, Vannsh Jani, Nipun Batra
- Abstract要約: ブリック工業は、インド・ガンゲーティック平野の大気汚染の8%-14%に寄与する石炭の2番目に大きな消費国である。
以前の研究では、衛星画像からブロックキルンを検出するためにコンピュータビジョンベースの機械学習手法が用いられていた。
インドなどの大国にスケーラブルなレンガキルン検知システムを展開するための枠組みを提案する。
- 参考スコア（独自算出の注目度）: 2.6667914906637487
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Air pollution kills 7 million people annually. Brick manufacturing industry
is the second largest consumer of coal contributing to 8%-14% of air pollution
in Indo-Gangetic plain (highly populated tract of land in the Indian
subcontinent). As brick kilns are an unorganized sector and present in large
numbers, detecting policy violations such as distance from habitat is
non-trivial. Air quality and other domain experts rely on manual human
annotation to maintain brick kiln inventory. Previous work used computer vision
based machine learning methods to detect brick kilns from satellite imagery but
they are limited to certain geographies and labeling the data is laborious. In
this paper, we propose a framework to deploy a scalable brick kiln detection
system for large countries such as India and identify 7477 new brick kilns from
28 districts in 5 states in the Indo-Gangetic plain. We then showcase efficient
ways to check policy violations such as high spatial density of kilns and
abnormal increase over time in a region. We show that 90% of brick kilns in
Delhi-NCR violate a density-based policy. Our framework can be directly adopted
by the governments across the world to automate the policy regulations around
brick kilns.
- Abstract（参考訳）: 大気汚染は年間700万人が死亡している。
レンガ製造産業はインド・ガンジスタン平原(インド亜大陸の人口の多い土地)の大気汚染の8%-14%に寄与する石炭の2番目に大きな消費地である。
レンガキルンは非組織的な分野であり、多く存在するため、生息地からの距離などの政策違反を検出することは容易ではない。
空気の品質や他のドメインの専門家は、レンガのキルン在庫を維持するために人手による注釈に依存している。
これまでの研究では、衛星画像からレンガのキルンを検出するためにコンピュータビジョンベースの機械学習手法を使用していたが、それらは特定の地形に限定されており、データのラベル付けは手間がかかる。
本論文では,インド・ガンガティック平野の28の地域から7477個の新しいレンガキルンを同定し,スケーラブルなレンガキルン検出システムをインドなどの大国に展開する枠組みを提案する。
次に,高空間密度のキルンや時間経過に伴う異常増加など,政策違反をチェックする効率的な方法を示す。
我々はデリー-NCRのれんがの90%が密度に基づく政策に違反していることを示す。
我々の枠組みは世界中の政府によって直接採用され、レンガキルンに関する政策規制が自動化される。
関連論文リスト
- VayuBuddy: an LLM-Powered Chatbot to Democratize Air Quality Insights [2.2754055137802074]
VayuBuddyは、Large Language Model (LLM)を利用した、空気質センサーデータ分析のためのチャットボットである。
VyuBuddyは自然言語で質問を受け取り、構造化された知覚データをLLM生成のPythonコードで分析し、自然言語で回答を提供する。
VyuBuddyはまた、センサーデータから行プロット、マッププロット、バーチャートなどの視覚的分析を生成することもできる。
論文 参考訳（メタデータ） (2024-11-16T08:02:35Z) - Eye in the Sky: Detection and Compliance Monitoring of Brick Kilns using Satellite Imagery [2.0448469354734233]
密集したインド・ガンガティック平野では、レンガ製造が大気汚染の8%-14%を占めている。
従来の研究では、衛星画像からのレンガキルン検出にコンピュータビジョンに基づく機械学習手法が用いられてきた。
ブロックキルン検出と自動コンプライアンス監視のためのスケーラブルなフレームワークを導入する。
論文 参考訳（メタデータ） (2024-06-15T19:32:00Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Mitigating climate and health impact of small-scale kiln industry using
multi-spectral classifier and deep learning [5.992292768883151]
小規模産業、特にブルトレンチレンガキルンは南アジアにおける大気汚染の重要な原因の1つである。
本稿では,南アジアの「Brick-Kiln-Belt」におけるレンガキルン検出のための高分解能画像を用いた多スペクトルデータの融合を提案する。
論文 参考訳（メタデータ） (2023-03-21T07:54:58Z) - 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) - IS-COUNT: Large-scale Object Counting from Satellite Images with
Covariate-based Importance Sampling [90.97859312029615]
本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。
提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
論文 参考訳（メタデータ） (2021-12-16T18:59:29Z) - Towards Real-World Prohibited Item Detection: A Large-Scale X-ray
Benchmark [53.9819155669618]
本稿では,PIDrayと命名された大規模データセットについて述べる。
大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。
提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
論文 参考訳（メタデータ） (2021-08-16T11:14:16Z) - Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
本稿では,他の飛行ドローンからドローンを検知する問題に対処する。
ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。
これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
論文 参考訳（メタデータ） (2021-03-31T17:43:31Z) - Use of Remote Sensing Data to Identify Air Pollution Signatures in India [0.3683202928838613]
センチネル-5P衛星の打ち上げは、より広い範囲の大気汚染物質の観測に役立った。
クラスタリングシグネチャは、様々な汚染源から放出される汚染物質の種類に基づいて、州や地区を特定するために使用することができる。
論文 参考訳（メタデータ） (2020-12-01T11:06:23Z) - STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。
提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。
STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
論文 参考訳（メタデータ） (2020-11-10T02:28:47Z) - Mining and Tailings Dam Detection In Satellite Imagery Using Deep
Learning [1.8047694351309205]
この研究は、クラウドコンピューティング、フリーのオープンソースソフトウェア、そして実際の大規模問題を分析するためのディープラーニングメソッドの組み合わせを探求する。
未登録の鉱石鉱山を特定し、ブラジル領の広い地域でダムを尾行することを目的としている。
このアプローチの有効性は、公式な採掘権を持たない263の鉱山の発見によって実証される。
論文 参考訳（メタデータ） (2020-07-02T13:08:39Z)
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。