論文の概要: J-DDL: Surface Damage Detection and Localization System for Fighter Aircraft
- arxiv url: http://arxiv.org/abs/2506.10505v1
- Date: Thu, 12 Jun 2025 09:05:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 15:37:22.666417
- Title: J-DDL: Surface Damage Detection and Localization System for Fighter Aircraft
- Title（参考訳）: J-DDL:戦闘機の表面損傷検出・位置決めシステム
- Authors: Jin Huang, Mingqiang Wei, Zikuan Li, Hangyu Qu, Wei Zhao, Xinyu Bai,
- Abstract要約: 本稿では,J-DDLと呼ばれる戦闘機のスマート表面損傷検出と位置決めシステムを提案する。
J-DDLは航空機表面の2D画像と3D点雲を統合し、レーザースキャナーとカメラを組み合わせたシステムで撮影する。
主なイノベーションは、効率的な機能抽出のための軽量なFasternetブロック、最適化されたネックアーキテクチャ、新しい損失関数であるInner-CIOUの導入である。
- 参考スコア（独自算出の注目度）: 18.53607676786071
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ensuring the safety and extended operational life of fighter aircraft necessitates frequent and exhaustive inspections. While surface defect detection is feasible for human inspectors, manual methods face critical limitations in scalability, efficiency, and consistency due to the vast surface area, structural complexity, and operational demands of aircraft maintenance. We propose a smart surface damage detection and localization system for fighter aircraft, termed J-DDL. J-DDL integrates 2D images and 3D point clouds of the entire aircraft surface, captured using a combined system of laser scanners and cameras, to achieve precise damage detection and localization. Central to our system is a novel damage detection network built on the YOLO architecture, specifically optimized for identifying surface defects in 2D aircraft images. Key innovations include lightweight Fasternet blocks for efficient feature extraction, an optimized neck architecture incorporating Efficient Multiscale Attention (EMA) modules for superior feature aggregation, and the introduction of a novel loss function, Inner-CIOU, to enhance detection accuracy. After detecting damage in 2D images, the system maps the identified anomalies onto corresponding 3D point clouds, enabling accurate 3D localization of defects across the aircraft surface. Our J-DDL not only streamlines the inspection process but also ensures more comprehensive and detailed coverage of large and complex aircraft exteriors. To facilitate further advancements in this domain, we have developed the first publicly available dataset specifically focused on aircraft damage. Experimental evaluations validate the effectiveness of our framework, underscoring its potential to significantly advance automated aircraft inspection technologies.
- Abstract（参考訳）: 戦闘機の安全性と運用寿命の延長は、頻繁で徹底的な検査を必要とする。
表面欠陥検出は、人間の検査者にとって実現可能であるが、手動の手法は、広大な表面積、構造的複雑さ、航空機のメンテナンスの運用上の要求のために、スケーラビリティ、効率、一貫性の重大な制限に直面している。
本稿では,J-DDLと呼ばれる戦闘機のスマート表面損傷検出と位置決めシステムを提案する。
J-DDLは航空機表面の2D画像と3D点雲を統合し、レーザースキャナーとカメラの組み合わせで撮影し、正確な損傷検出と位置決めを実現する。
本システムの中心となるのは, YOLOアーキテクチャ上に構築された新しい損傷検出ネットワークであり, 特に2次元航空機画像の表面欠陥の同定に最適化されている。
主なイノベーションは、効率的な機能抽出のための軽量なFasternetブロック、優れた機能集約のための効率的なマルチスケールアテンション(EMA)モジュールを組み込んだ最適化されたネックアーキテクチャ、そして検出精度を高めるための新しい損失関数であるInner-CIOUの導入である。
2D画像の損傷を検知した後、システムは識別された異常を対応する3D点雲にマッピングし、航空機表面の欠陥の正確な3D局所化を可能にする。
我々のJ-DDLは、検査プロセスの合理化だけでなく、大型で複雑な航空機の外観をより包括的かつ詳細なカバレッジも保証します。
この領域のさらなる進歩を促進するために,航空機の損傷に着目した最初の公開データセットを開発した。
本フレームワークの有効性を実験的に評価し,自動航空機検査技術を著しく向上させる可能性について検討した。
関連論文リスト
- Pillar-Voxel Fusion Network for 3D Object Detection in Airborne Hyperspectral Point Clouds [35.24778377226701]
航空機搭載HPCのための3次元物体検出ネットワークPiV-A HPCを提案する。
我々はまず,HPCからスペクトルおよび垂直構造特徴を捕捉し,スペクトル歪みを克服するピラーボクセル二重分岐エンコーダを開発した。
2つのブランチ間の情報相互作用を強化するために,マルチレベル特徴融合機構が考案された。
論文 参考訳（メタデータ） (2025-04-13T10:13:48Z) - PlanarNeRF: Online Learning of Planar Primitives with Neural Radiance Fields [33.86567333264051]
PlanarNeRFは、オンライン学習を通じて密集した3次元平面を検出する新しいフレームワークである。
外観と幾何学の知識を兼ね備えた3次元平面検出を実現する。
平面パラメータを推定するために,軽量な平面適合モジュールを提案する。
論文 参考訳（メタデータ） (2023-12-30T03:48:22Z) - Joint object detection and re-identification for 3D obstacle
multi-camera systems [47.87501281561605]
本研究は,カメラとライダー情報を用いた物体検出ネットワークに新たな改良を加えたものである。
同じ車両内の隣のカメラにまたがって物体を再識別する作業のために、追加のブランチが組み込まれている。
その結果,従来の非最大抑圧(NMS)技術よりも,この手法が優れていることが示された。
論文 参考訳（メタデータ） (2023-10-09T15:16:35Z) - 3D vision-based structural masonry damage detection [6.442649108177674]
正確な石英損傷検出のための3次元視覚に基づく手法を提案する。
まず、石造標本の画像を収集し、3D点雲を生成する。
第2に, 石英損傷を評価するために3次元点雲処理法を開発した。
論文 参考訳（メタデータ） (2023-08-31T00:48:05Z) - 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) - MonoTDP: Twin Depth Perception for Monocular 3D Object Detection in
Adverse Scenes [49.21187418886508]
本論文は,モノTDP(MonoTDP)と呼ばれる悪シーンにおける2つの深度を知覚するモノクル3次元検出モデルを提案する。
まず、制御不能な気象条件を扱うモデルを支援するための適応学習戦略を導入し、様々な劣化要因による劣化を著しく抑制する。
そこで本研究では, シーン深度と物体深度を同時に推定する新たな2つの深度認識モジュールを提案する。
論文 参考訳（メタデータ） (2023-05-18T13:42:02Z) - Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。
まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。
第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
論文 参考訳（メタデータ） (2023-01-06T18:52:12Z) - Aerial Monocular 3D Object Detection [67.20369963664314]
DVDETは2次元画像空間と3次元物理空間の両方で空中単分子3次元物体検出を実現するために提案される。
高度視差変形問題に対処するため,新しい測地変形変換モジュールを提案する。
より多くの研究者がこの領域を調査するよう促すため、データセットと関連するコードをリリースします。
論文 参考訳（メタデータ） (2022-08-08T08:32:56Z) - Attentional Feature Refinement and Alignment Network for Aircraft
Detection in SAR Imagery [24.004052923372548]
SAR(Synthetic Aperture Radar)画像における航空機検出は、航空機の離散的な外観、明らかなクラス内変異、小さなサイズ、深刻な背景の干渉のために難しい課題である。
本稿では,SAR画像中の航空機を競合精度と速度で検出する単一ショット検出器AFRANを提案する。
論文 参考訳（メタデータ） (2022-01-18T16:54:49Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-11-17T21:48:31Z)
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。