論文の概要: Designing an Intelligent Parcel Management System using IoT & Machine Learning

• arxiv url: http://arxiv.org/abs/2404.11661v1
• Date: Wed, 17 Apr 2024 18:00:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-19 20:10:25.533544
• Title: Designing an Intelligent Parcel Management System using IoT & Machine Learning
• Title（参考訳）: IoTと機械学習を用いたインテリジェントパーセル管理システムの設計
• Authors: Mohit Gupta, Nitesh Garg, Jai Garg, Vansh Gupta, Devraj Gautam,
• Abstract要約: 我々は、IoTと機械学習を使って、このオペレーションを効率的に実行するための、本格的なソリューションを作成しました。 スキャンの過程では、3つのスキャナーを通り抜けて爆発物、薬物、そしてパーセル内の危険な物質を探し、もしテストが失敗したら捨てる。 スキャンステップが終了すると、パーセルはソートフェーズに移動し、QRコードを使用してパーセルの詳細を検索し、適切にソートする。
• 参考スコア（独自算出の注目度）: 15.003761980814627
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parcels delivery is a critical activity in railways. More importantly, each parcel must be thoroughly checked and sorted according to its destination address. We require an efficient and robust IoT system capable of doing all of these tasks with great precision and minimal human interaction. This paper discusses, We created a fully-fledged solution using IoT and machine learning to assist trains in performing this operation efficiently. In this study, we covered the product, which consists mostly of two phases. Scanning is the first step, followed by sorting. During the scanning process, the parcel will be passed through three scanners that will look for explosives, drugs, and any dangerous materials in the parcel and will trash it if any of the tests fail. When the scanning step is over, the parcel moves on to the sorting phase, where we use QR codes to retrieve the details of the parcels and sort them properly. The simulation of the system is done using the blender software. Our research shows that our procedure significantly improves accuracy as well as the assessment of cutting-edge technology and existing techniques.
• Abstract（参考訳）: パーセルの配達は鉄道において重要な活動である。 さらに重要なことは、各パーセルは、その宛先アドレスに従って徹底的にチェックされ、ソートされなければならない。 極めて正確で最小限のヒューマンインタラクションでこれらのタスクすべてを実行することができる、効率的で堅牢なIoTシステムが必要です。 我々は、IoTと機械学習を使って、このオペレーションを効率的に実行するための、本格的なソリューションを作成しました。 本研究では,主に2段階からなる製品について検討した。 スキャンは最初のステップで、次にソートします。 スキャンの過程では、3つのスキャナーを通し、爆発物、薬物、そしてパーセル内の危険な物質を探し、もしテストが失敗したら捨てる。 スキャンステップが終了すると、パーセルはソートフェーズに移動し、QRコードを使用してパーセルの詳細を検索し、適切にソートする。 システムのシミュレーションはブレンダーソフトウェアを用いて行われる。 本研究は, 最先端技術および既存技術の評価とともに, 精度を大幅に向上することを示す。

関連論文リスト

• En masse scanning and automated surfacing of small objects using Micro-CT [1.8749305679160366]
  そこで本研究では,マイクロCTスキャンを多用する新しいプロトコルを提案する。 10個のマイクロCTスキャンで1,112個の動物の骨片をスキャンし、個別のPLYファイルに処理した。
  論文  参考訳（メタデータ） (2024-10-09T19:05:22Z)
• DITTO: Demonstration Imitation by Trajectory Transformation [31.930923345163087]
  そこで本研究では,RGB-Dビデオ録画による実演映像のワンショット模倣の問題に対処する。 本稿では,2段階のプロセスを提案する。第1段階では実演軌道をオフラインに抽出し,操作対象のセグメンテーションと,容器などの二次物体に対する相対運動を決定する。 オンライン軌道生成段階では、まず全ての物体を再検出し、次にデモ軌道を現在のシーンにワープし、ロボット上で実行します。
  論文  参考訳（メタデータ） (2024-03-22T13:46:51Z)
• SERL: A Software Suite for Sample-Efficient Robotic Reinforcement Learning [85.21378553454672]
  筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。 我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。 これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
  論文  参考訳（メタデータ） (2024-01-29T10:01:10Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Accelerating Robotic Reinforcement Learning via Parameterized Action Primitives [92.0321404272942]
  強化学習は汎用ロボットシステムの構築に使用することができる。 しかし、ロボット工学の課題を解決するためにRLエージェントを訓練することは依然として困難である。 本研究では,ロボット行動プリミティブ(RAPS)のライブラリを手動で指定し,RLポリシーで学習した引数をパラメータ化する。 動作インターフェースへの簡単な変更は、学習効率とタスクパフォーマンスの両方を大幅に改善する。
  論文  参考訳（メタデータ） (2021-10-28T17:59:30Z)
• Training ELECTRA Augmented with Multi-word Selection [53.77046731238381]
  本稿では,マルチタスク学習に基づくELECTRAの改良を目的としたテキストエンコーダ事前学習手法を提案する。 具体的には、識別器を訓練し、置換トークンを同時に検出し、候補集合から元のトークンを選択する。
  論文  参考訳（メタデータ） (2021-05-31T23:19:00Z)
• SpotPatch: Parameter-Efficient Transfer Learning for Mobile Object Detection [39.29286021100541]
  ディープラーニングベースのオブジェクト検出器は、さまざまなタスクを解決するために一般的にモバイルデバイスにデプロイされる。 最大精度では、各検出器は通常1つのタスクを解くために訓練され、完全に独立したパラメータセットが付属する。 タスク固有の検出器をトレーニングし、共有された重みのセットとして表現し、タスクごとに追加の重みのセットを非常に小さくすることができるか?
  論文  参考訳（メタデータ） (2021-01-04T22:24:06Z)
• Active Learning from Crowd in Document Screening [76.9545252341746]
  我々は、文書を評価し、それらを効率的にスクリーニングする機械学習分類器のセットの構築に注力する。 そこで本研究では,多ラベル能動学習スクリーニング技術である目的認識サンプリングを提案する。 目的認識サンプリングは,アートアクティブラーニングサンプリングの手法を著しく上回っていることを実証する。
  論文  参考訳（メタデータ） (2020-11-11T16:17:28Z)
• DeepHAZMAT: Hazardous Materials Sign Detection and Segmentation with Restricted Computational Resources [0.8701566919381223]
  本稿では,Hazmatを4ステップで検出・セグメント化するためのCNNベースのパイプラインであるDeepHAZMATを提案する。 提案手法は,検出速度と検出精度の観点から,良好な性能を維持した。
  論文  参考訳（メタデータ） (2020-07-13T14:15:37Z)

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。