論文の概要: Evolution and challenges of computer vision and deep learning technologies for analysing mixed construction and demolition waste
- arxiv url: http://arxiv.org/abs/2409.13112v1
- Date: Thu, 19 Sep 2024 22:38:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 11:52:12.910332
- Title: Evolution and challenges of computer vision and deep learning technologies for analysing mixed construction and demolition waste
- Title（参考訳）: コンピュータビジョンと深層学習技術の進化と課題 : 複合建設・解体廃棄物の分析
- Authors: Adrian Langley, Matthew Lonergan, Tao Huang, Mostafa Rahimi Azghadi,
- Abstract要約: 本稿では,高度自動混合C&DW管理システム開発における課題と機会について考察する。
我々は,DLに基づく視覚的手法が最適解であるとして,様々なC&DW分析手法を概説する。
また、C&DWデータセット、そのキュレーション、作成のための革新的な方法についても論じる。
- 参考スコア（独自算出の注目度）: 5.681772950719116
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Improving the automatic and timely recognition of construction and demolition waste (C&DW) composition is crucial for enhancing business returns, economic outcomes, and sustainability. Technologies like computer vision, artificial intelligence (AI), robotics, and internet of things (IoT) are increasingly integrated into waste processing to achieve these goals. While deep learning (DL) models show promise in recognising homogeneous C&DW piles, few studies assess their performance with mixed, highly contaminated material in commercial settings. Drawing on extensive experience at a C&DW materials recovery facility (MRF) in Sydney, Australia, we explore the challenges and opportunities in developing an advanced automated mixed C&DW management system. We begin with an overview of the evolution of waste management in the construction industry, highlighting its environmental, economic, and societal impacts. We review various C&DW analysis techniques, concluding that DL-based visual methods are the optimal solution. Additionally, we examine the progression of sensor and camera technologies for C&DW analysis as well as the evolution of DL algorithms focused on object detection and material segmentation. We also discuss C&DW datasets, their curation, and innovative methods for their creation. Finally, we share insights on C&DW visual analysis, addressing technical and commercial challenges, research trends, and future directions for mixed C&DW analysis. This paper aims to improve the efficiency of C&DW management by providing valuable insights for ongoing and future research and development efforts in this critical sector.
- Abstract（参考訳）: 建設・解体廃棄物(C&DW)の自動的かつタイムリーな認識の改善は, ビジネスリターン, 経済成果, 持続可能性の向上に不可欠である。
コンピュータビジョン、人工知能(AI)、ロボティクス、モノのインターネット(IoT)といった技術は、これらの目標を達成するために廃棄物処理にますます統合されている。
深層学習(DL)モデルは同質なC&DWパイルを認識する上で有望であるが、商業環境では混在する高度に汚染された物質を用いてそれらの性能を評価する研究はほとんどない。
オーストラリアのシドニーにあるC&DW資源回収施設 (MRF) で広範な経験を積んで, 高度自動混合C&DW管理システム開発における課題と機会を探る。
建設業における廃棄物管理の変遷の概観から始まり, その環境, 経済, 社会への影響を概観する。
我々は,DLに基づく視覚的手法が最適解であるとして,様々なC&DW分析手法を概説する。
さらに,C&DW解析のためのセンサおよびカメラ技術の進歩と,物体検出と材料分割に着目したDLアルゴリズムの進化について検討した。
また、C&DWデータセット、そのキュレーション、作成のための革新的な方法についても論じる。
最後に,C&DWの視覚的分析,技術的および商業的課題への対処,研究動向,混合C&DW分析の今後の方向性について考察する。
本稿では,C&DW管理の効率化をめざして,この重要な分野における現在および将来の研究開発活動に貴重な洞察を提供することを目的とする。
関連論文リスト
- Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Integrative Approaches in Cybersecurity and AI [0.0]
組織がデータを保護し、分析し、活用する方法に革命をもたらす可能性を秘めている重要なトレンド、課題、将来の方向性を特定します。
私たちの発見は、AI駆動の自動化、リアルタイム脅威検出、高度なデータ分析を取り入れて、よりレジリエンスで適応的なセキュリティアーキテクチャを構築するための、学際的な戦略の必要性を強調しています。
論文 参考訳（メタデータ） (2024-08-12T01:37:06Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - The Responsible Foundation Model Development Cheatsheet: A Review of Tools & Resources [100.23208165760114]
ファンデーションモデル開発は、急速に成長するコントリビュータ、科学者、アプリケーションを引き付けている。
責任ある開発プラクティスを形成するために、我々はFoundation Model Development Cheatsheetを紹介します。
論文 参考訳（メタデータ） (2024-06-24T15:55:49Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - Leveraging Large Language Model for Automatic Evolving of Industrial
Data-Centric R&D Cycle [20.30730316993658]
データ駆動型ソリューションは、無数の産業課題に対処するための強力なツールとして登場しています。
データ中心のR&Dはこれらのソリューションを活用する上で重要な役割を担っているが、人間、計算、時間資源といった面では大きなコストが伴うことが多い。
本稿では,データ中心R&Dの進化サイクルを早めるために,大規模言語モデル(LLM)の可能性について検討する。
論文 参考訳（メタデータ） (2023-10-17T13:18:02Z) - Attention Paper: How Generative AI Reshapes Digital Shadow Industry? [41.38949535910943]
黒と影のインターネット産業は、デジタルリスク管理(DRM)を通じて特定および管理できる潜在的なリスクを生じさせる
本稿では、生成AI技術によって引き起こされる新しい黒と影の技法を探求し、次世代DRMシステムを構築するための洞察を提供する。
論文 参考訳（メタデータ） (2023-05-26T08:03:50Z) - ChatGPT-Like Large-Scale Foundation Models for Prognostics and Health
Management: A Survey and Roadmaps [8.62142522782743]
産業生産と設備整備において,PHM技術は重要な役割を担っている。
ChatGPTやDALLE-Eといった大規模ファンデーションモデル(LSF-Model)は、AIがAI-2.0の新しい時代に入ることを象徴している。
本稿では,LSFモデルの主要なコンポーネントと最新の開発について,体系的に解説する。
論文 参考訳（メタデータ） (2023-05-10T21:37:44Z) - Machine Learning and Artificial Intelligence in Circular Economy: A
Bibliometric Analysis and Systematic Literature Review [0.0]
循環経済(CE)は、設計段階で材料から最も高い価値を出し、再利用、リサイクル、再製造によって製品ライフサイクルのループを完成させることを目的としている。
本研究では,CEにおける応用AI技術の採用と統合について検討する。
論文 参考訳（メタデータ） (2022-04-01T07:05:13Z) - Automatic Gaze Analysis: A Survey of DeepLearning based Approaches [61.32686939754183]
視線分析はコンピュータビジョンとヒューマン・コンピュータ・インタラクションの分野で重要な研究課題である。
制約のない環境で視線方向を解釈するための重要な手がかりは何か、いくつかのオープンな質問がある。
我々は、これらの基本的な疑問に光を当てるために、様々な視線分析タスクと応用の進捗を概観する。
論文 参考訳（メタデータ） (2021-08-12T00:30:39Z) - Data-Driven Aerospace Engineering: Reframing the Industry with Machine
Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。
最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文 参考訳（メタデータ） (2020-08-24T22:40:26Z)
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。