論文の概要: Vision-Ultrasound Robotic System based on Deep Learning for Gas and Arc Hazard Detection in Manufacturing

• arxiv url: http://arxiv.org/abs/2502.05500v1
• Date: Sat, 08 Feb 2025 09:17:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:30:15.141256
• Title: Vision-Ultrasound Robotic System based on Deep Learning for Gas and Arc Hazard Detection in Manufacturing
• Title（参考訳）: 製造におけるガス・アークハザード検出のための深層学習に基づく視覚-超音波ロボットシステム
• Authors: Jin-Hee Lee, Dahyun Nam, Robin Inho Kee, YoungKey Kim, Seok-Jun Buu,
• Abstract要約: ガス漏れとアーク放電は産業環境に重大なリスクをもたらす。 本研究では,ガス漏れやアーク放電を自律的に検出・分類する深層学習型ロボットシステムを提案する。 このシステムは、ロボット上ですべての実験的なタスクを実行するように設計されている。
• 参考スコア（独自算出の注目度）: 1.2233362977312945
• License:
• Abstract: Gas leaks and arc discharges present significant risks in industrial environments, requiring robust detection systems to ensure safety and operational efficiency. Inspired by human protocols that combine visual identification with acoustic verification, this study proposes a deep learning-based robotic system for autonomously detecting and classifying gas leaks and arc discharges in manufacturing settings. The system is designed to execute all experimental tasks entirely onboard the robot. Utilizing a 112-channel acoustic camera operating at a 96 kHz sampling rate to capture ultrasonic frequencies, the system processes real-world datasets recorded in diverse industrial scenarios. These datasets include multiple gas leak configurations (e.g., pinhole, open end) and partial discharge types (Corona, Surface, Floating) under varying environmental noise conditions. Proposed system integrates visual detection and a beamforming-enhanced acoustic analysis pipeline. Signals are transformed using STFT and refined through Gamma Correction, enabling robust feature extraction. An Inception-inspired CNN further classifies hazards, achieving 99% gas leak detection accuracy. The system not only detects individual hazard sources but also enhances classification reliability by fusing multi-modal data from both vision and acoustic sensors. When tested in reverberation and noise-augmented environments, the system outperformed conventional models by up to 44%p, with experimental tasks meticulously designed to ensure fairness and reproducibility. Additionally, the system is optimized for real-time deployment, maintaining an inference time of 2.1 seconds on a mobile robotic platform. By emulating human-like inspection protocols and integrating vision with acoustic modalities, this study presents an effective solution for industrial automation, significantly improving safety and operational reliability.
• Abstract（参考訳）: ガス漏れとアーク放電は産業環境に重大なリスクをもたらし、安全と運転効率を確保するために堅牢な検知システムを必要とする。 視覚的識別と音響的検証を組み合わせた人間のプロトコルに触発された本研究では,製造環境におけるガス漏れやアーク放電を自律的に検出・分類する深層学習型ロボットシステムを提案する。 このシステムは、ロボット上ですべての実験的なタスクを実行するように設計されている。 112チャンネルの音響カメラを96kHzのサンプリングレートで動作させ、超音波周波数を捉え、様々な産業シナリオで記録された実世界のデータセットを処理する。 これらのデータセットには、複数のガス漏れ構成(例えば、ピンホール、オープンエンド)と、環境騒音条件の異なる部分放電タイプ(コロナ、表面、フローティング)が含まれる。 提案システムは、視覚検出とビームフォーミング強化音響解析パイプラインを統合する。 信号はSTFTを使用して変換され、ガンマ補正によって洗練され、ロバストな特徴抽出が可能となる。 インセプションにインスパイアされたCNNは、さらに危険を分類し、99%のガス漏れ検出精度を達成する。 このシステムは、個々の危険源を検出するだけでなく、視覚センサと音響センサーの両方からマルチモーダルデータを融合することで、分類信頼性を高める。 残響と騒音を増強した環境での試験では、システムは従来のモデルよりも最大44%性能を発揮し、公正さと再現性を確保するために慎重に設計された。 さらに、システムはリアルタイムデプロイメントに最適化されており、モバイルロボットプラットフォーム上での推論時間は2.1秒である。 本研究は,人間ライクな検査プロトコルをエミュレートし,アコースティック・モダリティとビジョンを統合することにより,産業自動化のための効果的なソリューションを提案し,安全性と運用信頼性を著しく向上させる。

関連論文リスト

• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• An Attention-Based Deep Generative Model for Anomaly Detection in Industrial Control Systems [3.303448701376485]
  異常検出は、産業制御システムの安全かつ信頼性の高い運用に不可欠である。 本稿では,このニーズを満たすための新しい深層生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-03T23:58:27Z)
• One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
  マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。 提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。 提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
  論文  参考訳（メタデータ） (2024-03-24T13:44:57Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Environment-independent mmWave Fall Detection with Interacting Multiple Model [1.9358739203360094]
  mmWave radarは、プライバシー保護と非接触性のための有望な候補技術である。 FADEは現実のシナリオにおいて精度と堅牢性を高めた実用的な落下検知レーダーシステムである。
  論文  参考訳（メタデータ） (2023-11-15T07:49:46Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• A Smart Robotic System for Industrial Plant Supervision [16.68349850187503]
  本稿では,各種センサとインテリジェントデータ処理を統合した自律走行ロボットによるシステムを提案する。 メタン漏れを検出し、流量を推定し、より一般的なガス異常を検出し、音源をローカライズし、故障事例を検出し、環境を3Dでマッピングし、自律的にナビゲートすることができる。
  論文  参考訳（メタデータ） (2023-08-10T14:54:21Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• Automated Detection of Dolphin Whistles with Convolutional Networks and Transfer Learning [7.52108936537426]
  畳み込みニューラルネットワークは、従来の自動手法よりもはるかに優れていることを示す。 提案システムでは、周囲雑音の存在下でも信号を検出することができるが、同時に、偽陽性や偽陰性を生成する可能性も一貫して低減できる。
  論文  参考訳（メタデータ） (2022-11-28T15:06:46Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)

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。