論文の概要: Flame quality monitoring of flare stack based on deep visual features
- arxiv url: http://arxiv.org/abs/2410.19823v1
- Date: Fri, 18 Oct 2024 14:49:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-03 07:49:41.179173
- Title: Flame quality monitoring of flare stack based on deep visual features
- Title（参考訳）: 深部視覚的特徴に基づくフレアスタックの火炎品質モニタリング
- Authors: Xing Mu,
- Abstract要約: 燃焼効率のモニタリングは環境保護にとって非常に重要である。
従来のセンサーによる監視方法は高価であるだけでなく、厳しい燃焼環境でも容易に損傷する。
本稿では,炎と煙の面積比,火のRGB情報,火の角度など,視覚的特徴のみを用いて火の質を監視することを提案する。
- 参考スコア（独自算出の注目度）: 0.26107298043931193
- License:
- Abstract: Flare stacks play an important role in the treatment of waste gas and waste materials in petroleum fossil energy plants. Monitoring the efficiency of flame combustion is of great significance for environmental protection. The traditional method of monitoring with sensors is not only expensive, but also easily damaged in harsh combustion environments. In this paper, we propose to monitor the quality of flames using only visual features, including the area ratio of flame to smoke, RGB information of flames, angle of flames and other features. Comprehensive use of image segmentation, target detection, target tracking, principal component analysis, GPT-4 and other methods or tools to complete this task. In the end, real-time monitoring of the picture can be achieved, and when the combustion efficiency is low, measures such as adjusting the ratio of air and waste can be taken in time. As far as we know, the method of this paper is relatively innovative and has industrial production value.
- Abstract（参考訳）: 石油化石エネルギープラントにおける排ガス・廃棄物処理において, フレアスタックは重要な役割を担っている。
燃焼効率のモニタリングは環境保護にとって非常に重要である。
従来のセンサーによる監視方法は高価であるだけでなく、過酷な燃焼環境でも容易に損傷する。
本稿では,炎と煙の面積比,火のRGB情報,火の角度など,視覚的特徴のみを用いて火の質を監視することを提案する。
イメージセグメンテーション、ターゲット検出、ターゲット追跡、主成分分析、GPT-4などのツールを総合的に利用して、このタスクを完了させる。
最終的に、映像のリアルタイム監視が可能であり、燃焼効率が低い場合には、空気と廃棄物の比率の調整等を時間内に行うことができる。
我々の知る限り、本論文の手法は比較的革新的であり、工業生産価値がある。
関連論文リスト
- FlameFinder: Illuminating Obscured Fire through Smoke with Attentive Deep Metric Learning [11.218765140036254]
FlameFinderは、山火事の監視中に消防士のドローンの熱画像を使って、煙によって隠されたとしても、炎を正確に検知するように設計されている。
従来のRGBカメラはそのような状況では苦戦するが、熱カメラは煙を吸収する炎の特徴を捉えることができる。
この問題を解決するために、FlameFinderは2枚の熱-RGB画像を用いてトレーニングを行っている。煙のないサンプルから潜熱火炎の特徴を学習することで、モデルは相対的な熱勾配に偏りが小さくなる。
論文 参考訳（メタデータ） (2024-04-09T23:24:19Z) - FLAME Diffuser: Wildfire Image Synthesis using Mask Guided Diffusion [4.038140001938416]
本研究では,現実的な山火事画像を生成するためのトレーニングフリーで拡散型フレームワークを提案する。
われわれのフレームワークは、本物の山火事データからサンプル化した拡張マスクを用いており、現実的な炎の発生を誘導するためにパーリンノイズを適用している。
正規化Frechet Inception Distance, CLIP Score, カスタムCLIP Confidence測定値を用いて生成画像を評価する。
論文 参考訳（メタデータ） (2024-03-06T04:59:38Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳（メタデータ） (2023-08-31T04:58:17Z) - Ethylene Leak Detection Based on Infrared Imaging: A Benchmark [14.716538866819326]
石油化学産業におけるエチレンの漏れは、生産安全と環境汚染と密接に関係している。
赤外線エチレンリーク検出研究で用いられる検出基準は, 実世界の生産条件を完全に反映できないことがわかった。
我々は54275画像を含む異なる濃度と背景のエチレンリークの新しい赤外線画像データセットを作成する。
論文 参考訳（メタデータ） (2023-04-04T17:13:06Z) - 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) - 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) - A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。
MILAB-VTF(B)も提案する。
論文 参考訳（メタデータ） (2021-08-21T17:59:56Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - Flame Stability Analysis of Flame Spray Pyrolysis by Artificial
Intelligence [0.18352113484137628]
火炎噴霧熱分解(英: Flame Spray pyrolysis、FSP)は、原子化前駆体溶液の燃焼を通じてナノ粒子を合成するプロセスである。
現行の限界は、安定な火炎とナノ粒子の信頼できる製造方法の理解を中心に展開されている。
本研究では, 火炎点の明るさを解析することにより, FSP火炎安定性を定量化する。
この分析は、教師なしと教師なしの両方の機械学習アプローチのデータをラベル付けするために使用される。
論文 参考訳（メタデータ） (2020-10-22T22:52:13Z) - 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)
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。