論文の概要: Detailed Aerial Mapping of Photovoltaic Power Plants Through Semantically Significant Keypoints
- arxiv url: http://arxiv.org/abs/2510.04840v1
- Date: Mon, 06 Oct 2025 14:25:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.897603
- Title: Detailed Aerial Mapping of Photovoltaic Power Plants Through Semantically Significant Keypoints
- Title（参考訳）: セマンティックな重要なキーポイントによる太陽光発電プラントの詳細な航空マッピング
- Authors: Viktor Kozák, Jan Chudoba, Libor Přeučil,
- Abstract要約: 太陽光発電(PV)発電プラントの最適運転および保守には,高精度かつ最新のモデルが不可欠である。
本研究は,航空概要画像に基づくPVプラントマッピングの新しいアプローチを提案する。
提案手法は, 個々のPVモジュールのレベルまで詳細なモデリングを実現するために, 発電プラントの構造的レイアウトを利用する。
- 参考スコア（独自算出の注目度）: 0.5505634045241289
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: An accurate and up-to-date model of a photovoltaic (PV) power plant is essential for its optimal operation and maintenance. However, such a model may not be easily available. This work introduces a novel approach for PV power plant mapping based on aerial overview images. It enables the automation of the mapping process while removing the reliance on third-party data. The presented mapping method takes advantage of the structural layout of the power plants to achieve detailed modeling down to the level of individual PV modules. The approach relies on visual segmentation of PV modules in overview images and the inference of structural information in each image, assigning modules to individual benches, rows, and columns. We identify visual keypoints related to the layout and use these to merge detections from multiple images while maintaining their structural integrity. The presented method was experimentally verified and evaluated on two different power plants. The final fusion of 3D positions and semantic structures results in a compact georeferenced model suitable for power plant maintenance.
- Abstract（参考訳）: 太陽光発電(PV)発電プラントの最適運転および保守には,高精度かつ最新のモデルが不可欠である。
しかし、そのようなモデルは簡単には利用できない。
本研究は,航空概要画像に基づくPVプラントマッピングの新しいアプローチを提案する。
これにより、サードパーティデータへの依存を取り除き、マッピングプロセスの自動化が可能になる。
提案手法は, 個々のPVモジュールのレベルまで詳細なモデリングを実現するために, 発電プラントの構造的レイアウトを利用する。
このアプローチは、概要画像におけるPVモジュールの視覚的セグメンテーションと、各イメージにおける構造情報の推測に依存し、各ベンチ、行、列にモジュールを割り当てる。
レイアウトに関連する視覚的キーポイントを特定し,その構造的整合性を維持しつつ,複数の画像からの検出をマージする。
提案手法を2つの異なる発電所で実験的に検証し, 評価した。
3次元位置と意味構造の最終的な融合は、発電所のメンテナンスに適したコンパクトなジオレファレンスモデルをもたらす。
関連論文リスト
- Visual Localization via Semantic Structures in Autonomous Photovoltaic Power Plant Inspection [0.6291443816903801]
本稿では,PVモジュール検出とUAVナビゲーションを統合した新しいローカライゼーションパイプラインを提案する。
検出は、画像中の発電所構造を特定し、これらを発電所モデルと関連付けるために使用される。
本稿では,従来のコンピュータビジョン,ディープラーニング,それらの融合に基づく,PVモジュールの視覚的セグメンテーションのための3つの方法を提案する。
論文 参考訳（メタデータ） (2025-01-24T15:48:41Z) - S3Former: Self-supervised High-resolution Transformer for Solar PV Profiling [6.646508986504754]
航空画像からソーラーパネルを分割し,サイズと位置情報を提供するS3Formerを紹介した。
S3FormerはMasked Attention Mask Transformerを備えている。
多様なデータセットを用いてS3Formerを評価し、最先端モデルの改善を実証する。
論文 参考訳（メタデータ） (2024-05-07T16:56:21Z) - AutoPV: Automated photovoltaic forecasts with limited information using
an ensemble of pre-trained models [0.20999222360659608]
本稿では,日頭PV発電予測のための新しい手法であるAutoPVを提案する。
AutoPVは、異なるPV配置を表す予測モデルの重み付けアンサンブルである。
11のPVプラントを持つ現実世界のデータセットでは、AutoPVの精度は2年間のデータに基づいてトレーニングされたモデルに匹敵し、漸進的に訓練されたモデルよりも優れています。
論文 参考訳（メタデータ） (2022-12-13T18:29:03Z) - SIM-Trans: Structure Information Modeling Transformer for Fine-grained
Visual Categorization [59.732036564862796]
本稿では,オブジェクト構造情報を変換器に組み込んだSIM-Trans(Structure Information Modeling Transformer)を提案する。
提案した2つのモジュールは軽量化されており、任意のトランスフォーマーネットワークにプラグインでき、エンドツーエンドで容易に訓練できる。
実験と解析により,提案したSIM-Transが細粒度視覚分類ベンチマークの最先端性能を達成することを示した。
論文 参考訳（メタデータ） (2022-08-31T03:00:07Z) - ViTAEv2: Vision Transformer Advanced by Exploring Inductive Bias for
Image Recognition and Beyond [76.35955924137986]
我々は、内在性IBを畳み込み、すなわちViTAEから探索するビジョントランスフォーマーを提案する。
ViTAEはいくつかの空間ピラミッド縮小モジュールを備えており、入力イメージをリッチなマルチスケールコンテキストでトークンに埋め込む。
我々は、ImageNet検証セット上で88.5%のTop-1分類精度と、ImageNet実検証セット上で最高の91.2%のTop-1分類精度を得る。
論文 参考訳（メタデータ） (2022-02-21T10:40:05Z) - VoRTX: Volumetric 3D Reconstruction With Transformers for Voxelwise View
Selection and Fusion [68.68537312256144]
VoRTXは、多視点機能融合のためのトランスフォーマーを用いた、エンドツーエンドのボリューム3D再構成ネットワークである。
我々は、ScanNet上でモデルをトレーニングし、最先端の手法よりも優れた再構築を実現することを示す。
論文 参考訳（メタデータ） (2021-12-01T02:18:11Z) - PnP-DETR: Towards Efficient Visual Analysis with Transformers [146.55679348493587]
近年、DeTRはトランスフォーマーを用いたソリューションビジョンタスクの先駆者であり、画像特徴マップを直接オブジェクト結果に変換する。
最近の変圧器を用いた画像認識モデルとTTは、一貫した効率向上を示す。
論文 参考訳（メタデータ） (2021-09-15T01:10:30Z) - Segmentation of cell-level anomalies in electroluminescence images of
photovoltaic modules [0.0]
本研究では,太陽電池モジュール全体からセルレベルの異常を検出し,検出し,セグメント化するエンド・ツー・エンドのディープラーニングパイプラインを提案する。
提案したモジュールパイプラインは,3つのディープラーニング技術を組み合わせている。 1. オブジェクト検出(Modified Faster-RNN), 2. 画像分類(EfficientNet), 3. 弱教師付きセグメンテーション(autoencoder)。
論文 参考訳（メタデータ） (2021-06-21T10:17:40Z) - TransVG: End-to-End Visual Grounding with Transformers [102.11922622103613]
本稿では,画像に対して言語クエリを接地するタスクに対処するためのトランスフォーマティブベースのフレームワークであるtransvgを提案する。
複雑な核融合モジュールは、高い性能でトランスフォーマーエンコーダ層を単純なスタックで置き換えることができることを示す。
論文 参考訳（メタデータ） (2021-04-17T13:35:24Z)
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。