Fugu-MT 論文翻訳(概要): Solar Panel Mapping via Oriented Object Detection

論文の概要: Solar Panel Mapping via Oriented Object Detection

arxiv url: http://arxiv.org/abs/2502.03592v1
Date: Wed, 05 Feb 2025 20:19:37 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-07 14:32:48.401165
Title: Solar Panel Mapping via Oriented Object Detection
Title（参考訳）: 配向物体検出によるソーラーパネルマッピング
Authors: Conor Wallace, Isaac Corley, Jonathan Lwowski,
Abstract要約: 本研究では、個々のソーラーパネルを検出するためのエンドツーエンドのディープラーニングフレームワークを提案する。本稿は,米国全土から収集した多種多様な太陽光発電プラントについて評価する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Maintaining the integrity of solar power plants is a vital component in dealing with the current climate crisis. This process begins with analysts creating a detailed map of a plant with the coordinates of every solar panel, making it possible to quickly locate and mitigate potential faulty solar panels. However, this task is extremely tedious and is not scalable for the ever increasing capacity of solar power across the globe. Therefore, we propose an end-to-end deep learning framework for detecting individual solar panels using a rotated object detection architecture. We evaluate our approach on a diverse dataset of solar power plants collected from across the United States and report a mAP score of 83.3%.
Abstract（参考訳）: 太陽光発電プラントの完全性を維持することは、現在の気候危機に対処する上で重要な要素である。このプロセスは、分析者がすべてのソーラーパネルの座標で植物の詳細な地図を作成することから始まり、潜在的な欠陥のあるソーラーパネルを素早く見つけて緩和することができる。しかし、この作業は非常に面倒で、世界中の太陽エネルギーの容量が増加するにはスケーラビリティがない。そこで本研究では、回転物体検出アーキテクチャを用いて、個々の太陽電池パネルを検出するためのエンドツーエンドのディープラーニングフレームワークを提案する。我々は、米国全土から収集された多種多様な太陽光発電プラントのデータセットに対するアプローチを評価し、mAPスコア83.3%を報告した。

関連論文リスト

Satellite Sunroof: High-res Digital Surface Models and Roof Segmentation for Global Solar Mapping [1.9488614430966358]
GoogleのSolar APIは、航空画像から太陽ポテンシャルを推定する。本稿では,衛星画像を用いたAPIのリーチ拡大を提案する。我々のモデルは、衛星と空中のデータセットに基づいて訓練され、25cmのDSMと屋根のセグメントを生成します。
論文参考訳（メタデータ） (2024-08-26T16:34:13Z)
GloSoFarID: Global multispectral dataset for Solar Farm IDentification in satellite imagery [1.2021565114959365]
本研究は、ソーラーパネルファームのマルチスペクトル衛星画像の包括的グローバルデータセットを初めて開発する。これは、世界中のソーラーパネルファームの展開と分布を正確にマッピングし分析できる、堅牢な機械学習モデルのトレーニング基盤を形成することを目的としている。
論文参考訳（メタデータ） (2024-04-08T04:10:50Z)
Towards Automatic Power Battery Detection: New Challenge, Benchmark Dataset and Baseline [70.30473488226093]
PBD(パワーバッテリ検出)と呼ばれる新しいタスクに関する総合的研究を行う。 X線画像から高密度陰極と陽極板のエンドポイントをローカライズし、電池の品質を評価することを目的としている。我々は,多次元協調ネットワーク(MDCNet)と呼ばれるPBDのための新しいセグメンテーションベースソリューションを提案する。
論文参考訳（メタデータ） (2023-12-05T06:18:38Z)
SolarFormer: Multi-scale Transformer for Solar PV Profiling [7.686020113962378]
SolarFormerは、ソーラーパネルを空中画像から切り離し、その位置と大きさに関する洞察を提供するように設計されている。本モデルでは,低レベル機能を活用し,太陽PV設置の局所化を強化するインスタンスクエリ機構を組み込んだ。我々の実験は、我々のモデルが最先端のモデルと一致しているか、あるいは超えていることを一貫して示している。
論文参考訳（メタデータ） (2023-10-30T22:22:01Z)
Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-06-01T19:54:39Z)
A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文参考訳（メタデータ） (2023-04-14T14:40:32Z)
Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文参考訳（メタデータ） (2023-01-30T14:35:47Z)
Computational Solar Energy -- Ensemble Learning Methods for Prediction of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文参考訳（メタデータ） (2023-01-21T19:16:03Z)
HyperionSolarNet: Solar Panel Detection from Aerial Images [0.7157957528875099]
深層学習法を用いて,空中画像を用いたソーラーパネル位置とその表面積の自動検出を行う。我々の研究は、ソーラーパネルの検出に効率的でスケーラブルな方法を提供し、分類に0.96の精度とセグメンテーション性能に0.82のIoUスコアを達成している。
論文参考訳（メタデータ） (2022-01-06T15:43:13Z)
A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文参考訳（メタデータ） (2021-11-23T08:04:32Z)
Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文参考訳（メタデータ） (2020-12-07T16:23:13Z)

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。