論文の概要: AURA: A Hybrid Spatiotemporal-Chromatic Framework for Robust, Real-Time Detection of Industrial Smoke Emissions

• arxiv url: http://arxiv.org/abs/2508.01095v1
• Date: Fri, 01 Aug 2025 22:22:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:21.709635
• Title: AURA: A Hybrid Spatiotemporal-Chromatic Framework for Robust, Real-Time Detection of Industrial Smoke Emissions
• Title（参考訳）: AURA:産業煙放射のロバスト・リアルタイム検出のためのハイブリッド時空間クロマティックフレームワーク
• Authors: Mikhail Bychkov, Matey Yordanov, Andrei Kuchma,
• Abstract要約: AURAは、産業用煙排出の堅牢でリアルタイムな検出のために設計された、新しいハイブリッド・テンポラル・フレームワークである。 本研究の目的は,産業排出の正確な自動監視を可能にすることにより,環境コンプライアンス,運転安全,公衆衛生の成果を大幅に改善することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper introduces AURA, a novel hybrid spatiotemporal-chromatic framework designed for robust, real-time detection and classification of industrial smoke emissions. The framework addresses critical limitations of current monitoring systems, which often lack the specificity to distinguish smoke types and struggle with environmental variability. AURA leverages both the dynamic movement patterns and the distinct color characteristics of industrial smoke to provide enhanced accuracy and reduced false positives. This framework aims to significantly improve environmental compliance, operational safety, and public health outcomes by enabling precise, automated monitoring of industrial emissions.
• Abstract（参考訳）: 本稿では, 産業用煙発生源のロバストかつリアルタイムな検出と分類を目的としたハイブリッド時空間クロマトグラフィーフレームワークであるAURAを紹介する。 このフレームワークは、しばしば煙のタイプを区別し、環境変動と闘うための特異性に欠ける、現在の監視システムの重要な制限に対処する。 AURAは、ダイナミックな動きパターンと工業用煙の色特性の両方を活用し、精度を高め、偽陽性を低減させる。 本枠組みは, 産業排出の正確な自動監視を可能にすることにより, 環境コンプライアンス, 運転安全, 公衆衛生の成果を大幅に改善することを目的としている。

関連論文リスト

• Deep Learning Surrogates for Real-Time Gas Emission Inversion [6.14441531828484]
  過渡的な大気環境下での温室効果ガス排出量のリアルタイム同定と定量化は、環境モニタリングにおいて重要な課題である。 本稿では,モンテカルロシーケンシャルアルゴリズムを組み込んだディープラーニング計算流体力学(CFD)フレームワークを提案する。 高忠実度CFD出力で訓練された多層パーセプトロンを用いてコストの高い数値計算器を置換することにより、サロゲートは、ほぼリアルタイムな予測を行いながら、空間的不均一性とガス分散の時間的進化を捉える。
  論文  参考訳（メタデータ） (2025-06-17T15:03:21Z)
• Towards Operational Automated Greenhouse Gas Plume Detection [0.15556354682377155]
  この研究は、データとラベルの品質管理、バイアスの防止、そして正しく整列されたモデリング目的など、この分野におけるいくつかの重要な障害をレビューし対処する。 運用性能検出が可能な航空機および宇宙搭載機器のマルチキャンプデータを用いた厳密な実験を実演する。 分析可能なデータ、モデル、デプロイメントのためのソースコードを提供し、ベストプラクティスのセットを定義します。
  論文  参考訳（メタデータ） (2025-05-27T22:22:54Z)
• SmokeNet: Efficient Smoke Segmentation Leveraging Multiscale Convolutions and Multiview Attention Mechanisms [1.0988222071035196]
  SmokeNetは、多様なスモークプラムの複雑なダイナミクスを扱う、新しいディープラーニングアーキテクチャである。 SmokeNetの性能と汎用性を4つのデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2025-02-17T19:01:27Z)
• Optimizing Contrail Detection: A Deep Learning Approach with EfficientNet-b4 Encoding [3.106927445586204]
  航空業界は、生態系のフットプリントを最小限に抑えるという課題に直面している。 主要な解決策の1つは、航空機の排気によって発生する直線的な氷結晶雲をターゲットとした避妊である。 本稿では,特徴抽出に効率的なネット-b4エンコーダを用いた革新的な深層学習手法を提案する。
  論文  参考訳（メタデータ） (2024-04-20T00:21:06Z)
• 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 Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• C(NN)FD -- a deep learning framework for turbomachinery CFD analysis [0.0]
  本稿では, ガスタービンの軸圧縮機全体の性能に及ぼす製造・施工の変動の影響をリアルタイムに予測するための新しいディープラーニングフレームワークの開発について述べる。 関連した効率の散乱はCO2排出量を大幅に増加させ、工業的および環境的関連性が高い。 提案したC(NN)FDアーキテクチャはCFDベンチマークに匹敵するリアルタイムの精度を実現する。
  論文  参考訳（メタデータ） (2023-06-09T13:35:04Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)
• STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
  本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。 提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2020-11-10T02:28:47Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)

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。