論文の概要: TinyViT: Field Deployable Transformer Pipeline for Solar Panel Surface Fault and Severity Screening

• arxiv url: http://arxiv.org/abs/2512.00117v1
• Date: Thu, 27 Nov 2025 17:35:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.075277
• Title: TinyViT: Field Deployable Transformer Pipeline for Solar Panel Surface Fault and Severity Screening
• Title（参考訳）: TinyViT:ソーラーパネル表面欠陥と重度スクリーニングのためのフィールド展開可能な変圧器パイプライン
• Authors: Ishwaryah Pandiarajan, Mohamed Mansoor Roomi Sindha, Uma Maheswari Pandyan, Sharafia N,
• Abstract要約: この研究は、深層学習と古典的機械学習が、頑健な表面異常分類と重大度推定を達成するために、司法的に組み合わされることを実証している。 本稿では、Transformerベースのセグメンテーション、スペクトル空間特徴工学、アンサンブルレグレッションを統合したコンパクトパイプラインTinyViTを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sustained operation of solar photovoltaic assets hinges on accurate detection and prioritization of surface faults across vast, geographically distributed modules. While multi modal imaging strategies are popular, they introduce logistical and economic barriers for routine farm level deployment. This work demonstrates that deep learning and classical machine learning may be judiciously combined to achieve robust surface anomaly categorization and severity estimation from planar visible band imagery alone. We introduce TinyViT which is a compact pipeline integrating Transformer based segmentation, spectral-spatial feature engineering, and ensemble regression. The system ingests consumer grade color camera mosaics of PV panels, classifies seven nuanced surface faults, and generates actionable severity grades for maintenance triage. By eliminating reliance on electroluminescence or IR sensors, our method enables affordable, scalable upkeep for resource limited installations, and advances the state of solar health monitoring toward universal field accessibility. Experiments on real public world datasets validate both classification and regression sub modules, achieving accuracy and interpretability competitive with specialized approaches.
• Abstract（参考訳）: 太陽太陽光発電資産の持続的な運用は、広大な地理的に分散したモジュールにわたる表面断層の正確な検出と優先順位付けに繋がる。 マルチモーダルイメージング戦略は人気があるが、定期的な農場レベルの展開のための論理的および経済的な障壁を導入する。 本研究は, 平面可視帯域画像のみから, 表面のランダムな分類と重大度推定を実現するために, ディープラーニングと古典的機械学習を組み合わせることを実証する。 本稿では、Transformerベースのセグメンテーション、スペクトル空間特徴工学、アンサンブルレグレッションを統合したコンパクトパイプラインTinyViTを紹介する。 このシステムは、PVパネルのコンシューマグレードのカラーカメラモザイクを取り込み、7つのニュアンスな表面欠陥を分類し、メンテナンストリアージのための実行可能な重度グレードを生成する。 発光センサや赤外線センサへの依存をなくすことにより、資源限られた設備で安価でスケーラブルなアップキープを実現し、太陽の健康モニタリングを普遍的なフィールドアクセシビリティに向けて進める。 実世界のデータセットの実験は、分類と回帰サブモジュールの両方を検証し、特別なアプローチと競合する精度と解釈可能性を達成する。

関連論文リスト

• Power Battery Detection [91.99787495748218]
  電力電池は、内部構造欠陥が深刻な安全リスクを生じさせる電気自動車において必須の部品である。 我々は,X線画像から陰極および陽極板の密集端を局所化し,品質検査を行うことを目的として,電力電池検出(PBD)に関する総合的研究を行った。 PBD5Kは,9種類のバッテリタイプから5,000枚のX線画像と8種類の実世界の視覚的干渉を含む,このタスクのための最初の大規模ベンチマークである。
  論文  参考訳（メタデータ） (2025-08-11T09:35:25Z)
• Solar Photovoltaic Assessment with Large Language Model [5.156484100374059]
  太陽パネル検出の課題を克服するために,大規模言語モデル (LLM) をどのように活用できるかを検討する。 LLMは、多段階の論理過程の困難を含む、ソーラーパネルの検出においていくつかの課題に直面している。 より効率的な出力標準化のためのタスク分解を組み込んだLLMフレームワークを用いたPVアセスメントを提案する。
  論文  参考訳（メタデータ） (2025-07-25T10:26:29Z)
• A Hybrid Ensemble Learning Framework for Image-Based Solar Panel Classification [2.80608717912532]
  本稿では,デュアルアンサンブルニューラルネットワーク (DENN) を用いて, 太陽電池パネルを画像ベースで分類する手法を提案する。 DENNモデルは、現在のアンサンブル法と比較して評価され、その優れた性能を様々な評価指標で示す。
  論文  参考訳（メタデータ） (2025-07-02T15:07:43Z)
• Aerial Infrared Health Monitoring of Solar Photovoltaic Farms at Scale [0.0]
  太陽光発電(PV)ファームは、地球規模の再生可能エネルギー生成の主要な源となっているが、その真の運用効率は、大規模には分かっていないことが多い。 我々は、北米の太陽光発電施設の大規模空中赤外検査のための包括的でデータ駆動の枠組みを提示する。
  論文  参考訳（メタデータ） (2025-03-03T23:32:21Z)
• Machine learning approaches for automatic defect detection in photovoltaic systems [1.121744174061766]
  太陽電池(PV)モジュールは、製造、設置、運用中に損傷を受けやすい。 無人航空機による運用中のPVモジュールの継続的な監視が不可欠である。 コンピュータビジョンは、大規模なPVプラントの欠陥を監視するための、自動的で非破壊的で費用対効果の高いツールを提供する。
  論文  参考訳（メタデータ） (2024-09-24T13:11:05Z)
• F$^3$Loc: Fusion and Filtering for Floorplan Localization [57.93061992125962]
  本研究では,フロアプラン内での自己ローカライズのための効率的なデータ駆動型ソリューションを提案する。 本手法では,地図や位置情報ごとのリトレーニングや,関心領域の画像の大規模なデータベースの要求は不要である。
  論文  参考訳（メタデータ） (2024-03-05T23:32:26Z)
• SimPLR: A Simple and Plain Transformer for Efficient Object Detection and Segmentation [49.65221743520028]
  マルチスケールインダクティブバイアスをアテンション機構にシフトさせることで, プレーン検出器SimPLRが動作可能であることを示す。 我々はSimPLRとスケールアウェアスを併用した実験を通して、単純なアーキテクチャでありながら、マルチスケールビジョントランスフォーマーの代替品と競合することを発見した。
  論文  参考訳（メタデータ） (2023-10-09T17:59:26Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)

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。