論文の概要: SlumpGuard: An AI-Powered Real-Time System for Automated Concrete Slump Prediction via Video Analysis
- arxiv url: http://arxiv.org/abs/2507.10171v1
- Date: Mon, 14 Jul 2025 11:33:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:24.767832
- Title: SlumpGuard: An AI-Powered Real-Time System for Automated Concrete Slump Prediction via Video Analysis
- Title（参考訳）: SlumpGuard: ビデオ分析による自動コンクリートスランプ予測のためのAIによるリアルタイムシステム
- Authors: Youngmin Kim, Giyeong Oh, Kwangsoo Youm, Youngjae Yu,
- Abstract要約: SlumpGuardはAIで動くビデオベースのシステムで、トラックシュートからコンクリートの流れを自動的に分析し、リアルタイムで作業性を評価する。
本システムにより,手作業による介入なしに全バッチ検査が可能となり,品質管理の精度と効率が向上する。
- 参考スコア（独自算出の注目度）: 20.888601457152564
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Concrete workability is essential for construction quality, with the slump test being the most common on-site method for its assessment. However, traditional slump testing is manual, time-consuming, and prone to inconsistency, limiting its applicability for real-time monitoring. To address these challenges, we propose SlumpGuard, an AI-powered, video-based system that automatically analyzes concrete flow from the truck chute to assess workability in real time. Our system enables full-batch inspection without manual intervention, improving both the accuracy and efficiency of quality control. We present the system design, a the construction of a dedicated dataset, and empirical results from real-world deployment, demonstrating the effectiveness of SlumpGuard as a practical solution for modern concrete quality assurance.
- Abstract（参考訳）: コンクリートの作業性は建設品質に不可欠であり,スランプ試験はその評価において最も一般的な方法である。
しかしながら、従来のスランプテストは手動で、時間がかかり、一貫性が低いため、リアルタイム監視の適用性が制限される。
これらの課題に対処するために、我々は、トラックシュートからの具体的な流れを自動的に分析し、リアルタイムで作業性を評価する、AIを利用したビデオベースのシステムであるSlumpGuardを提案する。
本システムにより,手作業による介入なしに全バッチ検査が可能となり,品質管理の精度と効率が向上する。
本稿では, システム設計, 専用データセットの構築, 実世界の展開による実証結果について紹介し, 近代コンクリート品質保証のための実用的なソリューションとしてのSlumpGuardの有効性を実証する。
関連論文リスト
- Q-STAC: Q-Guided Stein Variational Model Predictive Actor-Critic [12.837649598521102]
本稿では,連続制御タスクのためのQ-guided STein variational model predictive Actor-Critic (Q-STAC)フレームワークを提案する。
本手法では,学習したQ値を直接目的とする制御シーケンスを最適化し,明示的なコスト関数設計の必要性を解消する。
2次元ナビゲーションとロボット操作タスクの実験は、Q-STACが最先端のアルゴリズムと比較して優れたサンプリング効率、堅牢性、最適性を達成することを示した。
論文 参考訳（メタデータ） (2025-07-09T07:53:53Z) - Training Language Models to Generate Quality Code with Program Analysis Feedback [66.0854002147103]
大規模言語モデル(LLM)によるコード生成は、ますます本番環境で採用されているが、コード品質の保証には失敗している。
実運用品質のコードを生成するためにLLMにインセンティブを与える強化学習フレームワークであるREALを提案する。
論文 参考訳（メタデータ） (2025-05-28T17:57:47Z) - AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。
以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
論文 参考訳（メタデータ） (2024-11-02T13:24:30Z) - Towards Reliable AI: Adequacy Metrics for Ensuring the Quality of
System-level Testing of Autonomous Vehicles [5.634825161148484]
我々は、"Test suite Instance Space Adequacy"(TISA)メトリクスと呼ばれる一連のブラックボックステストの精度指標を紹介します。
TISAメトリクスは、テストスイートの多様性とカバレッジと、テスト中に検出されたバグの範囲の両方を評価する手段を提供する。
AVのシステムレベルのシミュレーションテストにおいて検出されたバグ数との相関を検証し,TISA測定の有効性を評価する。
論文 参考訳（メタデータ） (2023-11-14T10:16:05Z) - TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。
本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-29T02:27:54Z) - Computer Vision for Construction Progress Monitoring: A Real-Time Object
Detection Approach [0.0]
建設進捗監視(CPM)は、効率的なプロジェクト管理、オンタイムおよび予算の納入を保証するために不可欠である。
従来のCPMメソッドは、しばしば手動による検査と報告に頼っている。
本稿では,最先端オブジェクト検出アルゴリズムを用いたCPMの自動検出手法を提案する。
論文 参考訳（メタデータ） (2023-05-24T12:27:42Z) - Spatial-temporal Analysis for Automated Concrete Workability Estimation [5.774457705431945]
具体的な混合過程を観察し,作業性を推定するために,コンピュータビジョン技術を適用しようとする。
具体的には、ビデオデータを収集し、時空間回帰のために3つの異なるディープニューラルネットワークを構築しました。
論文 参考訳（メタデータ） (2022-07-24T01:53:17Z) - Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。
車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。
推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
論文 参考訳（メタデータ） (2022-05-16T12:14:42Z) - Closing the Closed-Loop Distribution Shift in Safe Imitation Learning [80.05727171757454]
模倣学習問題において,安全な最適化に基づく制御戦略を専門家として扱う。
我々は、実行時に安価に評価でき、専門家と同じ安全保証を確実に満足する学習されたポリシーを訓練する。
論文 参考訳（メタデータ） (2021-02-18T05:11:41Z) - Evaluating the Safety of Deep Reinforcement Learning Models using
Semi-Formal Verification [81.32981236437395]
本稿では,区間分析に基づく半形式的意思決定手法を提案する。
本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。
提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
論文 参考訳（メタデータ） (2020-10-19T11:18:06Z) - Computational framework for real-time diagnostics and prognostics of
aircraft actuation systems [0.0]
本研究は, 信号取得, 故障検出と同定, 有用寿命推定の3段階に対処する。
この目的を達成するために、異なる忠実度を持つ物理モデルからの情報と機械学習技術を組み合わせることを提案する。
この手法は、二次飛行制御のための航空機の電気機械アクチュエータのFDIおよびRUL推定のために評価される。
論文 参考訳（メタデータ） (2020-09-30T12:53:07Z)
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。