論文の概要: Detecting Abnormal Operations in Concentrated Solar Power Plants from Irregular Sequences of Thermal Images

• arxiv url: http://arxiv.org/abs/2406.16077v1
• Date: Sun, 23 Jun 2024 11:09:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-25 19:04:12.789881
• Title: Detecting Abnormal Operations in Concentrated Solar Power Plants from Irregular Sequences of Thermal Images
• Title（参考訳）: 熱画像の不規則配列による高濃度太陽光発電プラントの異常運転検出
• Authors: Sukanya Patra, Nicolas Sournac, Souhaib Ben Taieb,
• Abstract要約: 集中型ソーラーパワー(CSP)プラントは、中央のタワーの上のソーラーレシーバーに日光を集中させるミラーの配列で記憶媒体を加熱することでエネルギーを貯蔵する。 高温で作動するこれらの受信機は、凍結、変形、腐食などのリスクに直面し、運用上の故障、ダウンタイム、高価な機器の損傷を引き起こす。 運転中のCSPプラントから1年以上にわたって収集された熱画像の配列における異常検出(AD)の問題について検討した。
• 参考スコア（独自算出の注目度）: 2.048226951354646
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Concentrated Solar Power (CSP) plants store energy by heating a storage medium with an array of mirrors that focus sunlight onto solar receivers atop a central tower. Operating at high temperatures these receivers face risks such as freezing, deformation, and corrosion, leading to operational failures, downtime, or costly equipment damage. We study the problem of anomaly detection (AD) in sequences of thermal images collected over a year from an operational CSP plant. These images are captured at irregular intervals ranging from one to five minutes throughout the day by infrared cameras mounted on solar receivers. Our goal is to develop a method to extract useful representations from high-dimensional thermal images for AD. It should be able to handle temporal features of the data, which include irregularity, temporal dependency between images and non-stationarity due to a strong daily seasonal pattern. The co-occurrence of low-temperature anomalies that resemble normal images from the start and the end of the operational cycle with high-temperature anomalies poses an additional challenge. We first evaluate state-of-the-art deep image-based AD methods, which have been shown to be effective in deriving meaningful image representations for the detection of anomalies. Then, we introduce a forecasting-based AD method that predicts future thermal images from past sequences and timestamps via a deep sequence model. This method effectively captures specific temporal data features and distinguishes between difficult-to-detect temperature-based anomalies. Our experiments demonstrate the effectiveness of our approach compared to multiple SOTA baselines across multiple evaluation metrics. We have also successfully deployed our solution on five months of unseen data, providing critical insights for the maintenance of the CSP plant. Our code is available at: https://tinyurl.com/ForecastAD
• Abstract（参考訳）: 集中型ソーラーパワー(CSP)プラントは、中央タワーの上のソーラーレシーバーに日光を集中させるミラーの配列で記憶媒体を加熱することでエネルギーを貯蔵する。 高温で作動するこれらの受信機は、凍結、変形、腐食などのリスクに直面し、運用上の故障、ダウンタイム、高価な機器の損傷を引き起こす。 運転中のCSPプラントから1年以上にわたって収集された熱画像の配列における異常検出(AD)の問題について検討した。 これらの画像は、日中1分から5分に及ぶ不規則な間隔で、太陽光受信機に搭載された赤外線カメラによって撮影される。 本研究の目的は,ADのための高次元熱画像から有用な表現を抽出する手法を開発することである。 強い季節パターンのため、不規則性、画像間の時間的依存、非定常性など、データの時間的特徴を扱えるようにすべきである。 高温異常による運転サイクルの開始から終了までの正常な画像に類似した低温異常の同時発生は、さらなる課題となる。 我々はまず,異常検出のための有意義な画像表現の導出に有効であることが示されている,最先端の深層画像ベースAD手法を評価した。 次に,過去の時系列やタイムスタンプから将来の熱画像を予測するための予測に基づくAD手法を提案する。 この方法は、特定の時間的データの特徴を効果的に捉え、温度に基づく異常を区別する。 本実験は,複数の評価指標を用いた複数のSOTAベースラインと比較し,本手法の有効性を示した。 CSPプラントのメンテナンスに関する重要な洞察を提供するため、私たちは5ヶ月の見当たらないデータにソリューションを配置することに成功しました。 私たちのコードは、https://tinyurl.com/ForecastADで利用可能です。

関連論文リスト

• One-class anomaly detection through color-to-thermal AI for building envelope inspection [0.0]
  本研究では,建築封筒のサーモグラフィ検査における異常検出のためのラベルフリー手法を提案する。 これは、カラー画像からの熱分布を予測するAIによる予測に基づいている。
  論文  参考訳（メタデータ） (2024-02-05T12:41:30Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Smart Meter Data Anomaly Detection using Variational Recurrent Autoencoders with Attention [0.0]
  本稿では,アテンション機構を備えた変分リカレントオートエンコーダに基づく教師なし異常検出手法を提案する。 スマートメーターの「汚れ」データを用いて、学習中の貢献度を減少させるために、欠落した値とグローバルな異常を事前に検出する。
  論文  参考訳（メタデータ） (2022-06-08T19:39:51Z)
• Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
  バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。 このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。 熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
  論文  参考訳（メタデータ） (2022-04-06T19:47:41Z)
• Anomaly Detection in IR Images of PV Modules using Supervised Contrastive Learning [4.409996772486956]
  我々は、赤外線画像の異常を検出するために、教師付きコントラスト損失を伴うResNet-34畳み込みニューラルネットワークを訓練する。 本手法は,未知の種類の異常を迅速かつ確実に検出し,実践に適した手法である。 我々の研究は、教師なしドメイン適応を用いたPVモジュール故障検出をより現実的な視点でコミュニティに提供します。
  論文  参考訳（メタデータ） (2021-12-06T10:42:28Z)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)
• A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
  DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。 本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
  論文  参考訳（メタデータ） (2021-01-07T17:17:12Z)
• TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
  TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。 時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。 提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
  論文  参考訳（メタデータ） (2020-09-16T15:52:04Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)
• Motion and Region Aware Adversarial Learning for Fall Detection with Thermal Imaging [8.110295985047278]
  転倒検知のためのホームベースのカメラシステムは、しばしば人々のプライバシーを危険にさらす。 転倒はめったに起こらないため、クラス不均衡によるアルゴリズムの学習は簡単ではない。 熱画像を用いた対向フレームワーク内での転倒検出を異常検出として定式化する。
  論文  参考訳（メタデータ） (2020-04-17T17:17:29Z)
• Unsupervised Image-generation Enhanced Adaptation for Object Detection in Thermal images [4.810743887667828]
  本稿では、熱画像における物体検出のための教師なし画像生成拡張適応法を提案する。 可視領域と熱領域のギャップを低減するため,提案手法は擬似熱画像を生成する。 提案手法の有効性と優位性を示す実験を行った。
  論文  参考訳（メタデータ） (2020-02-17T04:53:30Z)

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。