論文の概要: Detecting spills using thermal imaging, pretrained deep learning models, and a robotic platform

• arxiv url: http://arxiv.org/abs/2510.08770v1
• Date: Thu, 09 Oct 2025 19:40:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 04:53:46.909065
• Title: Detecting spills using thermal imaging, pretrained deep learning models, and a robotic platform
• Title（参考訳）: 熱画像, 事前学習型ディープラーニングモデル, ロボットプラットフォームを用いた流出物検出
• Authors: Gregory Yeghiyan, Jurius Azar, Devson Butani, Chan-Jin Chung,
• Abstract要約: 本稿では,RGBと熱画像を用いた事前学習モデルを用いたリアルタイム流出検知システムを提案する。 VGG19やNasNetMobileといった軽量モデルを使って,最大100%の精度を実現しています。 実際のロボットとテストデータセットによる実験の結果、熱画像に基づいて訓練されたVGG19モデルが最もよく機能することが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a real-time spill detection system that utilizes pretrained deep learning models with RGB and thermal imaging to classify spill vs. no-spill scenarios across varied environments. Using a balanced binary dataset (4,000 images), our experiments demonstrate the advantages of thermal imaging in inference speed, accuracy, and model size. We achieve up to 100% accuracy using lightweight models like VGG19 and NasNetMobile, with thermal models performing faster and more robustly across different lighting conditions. Our system runs on consumer-grade hardware (RTX 4080) and achieves inference times as low as 44 ms with model sizes under 350 MB, highlighting its deployability in safety-critical contexts. Results from experiments with a real robot and test datasets indicate that a VGG19 model trained on thermal imaging performs best.
• Abstract（参考訳）: 本稿では,RGBと熱画像を用いた事前学習モデルを用いたリアルタイムの流出検知システムを提案する。 バランスの取れたバイナリデータセット(4000枚の画像)を用いて、予測速度、精度、モデルサイズにおける熱画像の利点を実証した。 私たちは、VGG19やNasNetMobileのような軽量モデルを使用して、最大100%の精度を実現しています。 本システムは,コンシューマグレードのハードウェア(RTX 4080)上で動作し,350MB以下のモデルサイズで44msの推論時間を実現する。 実際のロボットとテストデータセットによる実験の結果、熱画像に基づいて訓練されたVGG19モデルが最もよく機能することが示された。

関連論文リスト

• A Comparative Benchmark of Real-time Detectors for Blueberry Detection towards Precision Orchard Management [2.667064587590596]
  本研究では,先進的リアルタイム物体検出器の比較ベンチマーク解析を行った。 このデータセットは、2022-2023シーズンにスマートフォンで収集された671枚の天蓋画像からなる。 YOLOモデルのうち、YOLOv12mはmAP@50の93.3%で最高の精度を達成した。
  論文  参考訳（メタデータ） (2025-09-24T21:42:24Z)
• ThermalDiffusion: Visual-to-Thermal Image-to-Image Translation for Autonomous Navigation [6.524847658755803]
  本稿では,合成熱データを用いたマルチモーダルデータセットの拡張手法を提案し,熱カメラの広範かつ迅速な適応を実現する。 本研究では、実世界の物体の熱特性を学習するために、自己アテンションを用いて既存のRGB画像を熱画像に変換するための条件拡散モデルの利用について検討する。
  論文  参考訳（メタデータ） (2025-06-26T03:18:22Z)
• Could Giant Pretrained Image Models Extract Universal Representations? [94.97056702288317]
  本稿では,多種多様なコンピュータビジョンタスクに適用した凍結事前学習モデルについて述べる。 私たちの研究は、この凍結した設定にどのような事前学習タスクが最適か、凍結した設定を様々な下流タスクに柔軟にする方法、より大きなモデルサイズの影響について、質問に答えています。
  論文  参考訳（メタデータ） (2022-11-03T17:57:10Z)
• Core Risk Minimization using Salient ImageNet [53.616101711801484]
  私たちは、1000のImagenetクラスのコアとスプリアス機能をローカライズする100万人以上のソフトマスクを備えたSalient Imagenetデータセットを紹介します。 このデータセットを用いて、まず、いくつかのImagenet事前訓練されたモデル(総計42件)の素早い特徴に対する依存度を評価する。 次に、コアリスク最小化(CoRM)と呼ばれる新しい学習パラダイムを導入する。
  論文  参考訳（メタデータ） (2022-03-28T01:53:34Z)
• 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)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)
• Object Detection in Thermal Spectrum for Advanced Driver-Assistance Systems (ADAS) [0.5156484100374058]
  熱赤外スペクトルにおける物体検出は、低照度条件と異なる気象条件においてより信頼性の高いデータソースを提供する。 本稿では,高度運転支援システム(ADAS)の7つの異なるクラスを用いたサーマルビジョンにおける最先端のオブジェクト・ビジョン・フレームワークの探索と適用について述べる。 公開データセット上のトレーニング済みネットワーク変種は、3つの異なるテストアプローチでテストデータ上で検証される。 訓練されたネットワークの有効性は、未冷却のLWIRプロトタイプ熱カメラで捉えたローカル収集された新しいテストデータで検証される。
  論文  参考訳（メタデータ） (2021-09-20T21:38:55Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Robust pedestrian detection in thermal imagery using synthesized images [39.33977680993236]
  熱領域における歩行者検出を2段階に分けて改善する手法を提案する。 まず、生成データ拡張アプローチを使用し、次いで、生成されたデータを用いたドメイン適応法は、RGB歩行者検出器に適応する。 我々の検出器は,最先端技術に関して,KAIST上で最高の単一モダリティ検出結果を達成する。
  論文  参考訳（メタデータ） (2021-02-03T11:08:31Z)
• Radioactive data: tracing through training [130.2266320167683]
  本稿では,このデータセットに認識不能な変化を生じさせる新しい手法であるEmphradioactive dataを提案する。 訓練されたモデルにより, 放射能データの利用を検知し, 信頼度(p-値)のレベルを提供する。 提案手法はディープネットワーク最適化におけるデータ拡張とバックドア性に対して堅牢である。
  論文  参考訳（メタデータ） (2020-02-03T18:41:08Z)

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。