論文の概要: AquaFusionNet: Lightweight VisionSensor Fusion Framework for Real-Time Pathogen Detection and Water Quality Anomaly Prediction on Edge Devices

• arxiv url: http://arxiv.org/abs/2512.06848v1
• Date: Sun, 07 Dec 2025 14:03:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.553006
• Title: AquaFusionNet: Lightweight VisionSensor Fusion Framework for Real-Time Pathogen Detection and Water Quality Anomaly Prediction on Edge Devices
• Title（参考訳）: AquaFusionNet:エッジデバイスにおけるリアルタイム病原体検出と水質異常予測のための軽量ビジョンセンサ融合フレームワーク
• Authors: Sepyan Purnama Kristanto, Lutfi Hakim, Hermansyah,
• Abstract要約: 本研究では,AquaFusionNetを紹介した。AquaFusionNetは軽量なクロスモーダルフレームワークで,単一エッジのデプロイ可能なモデル内で情報ソースを統一する。 このフレームワークは、飲料水コンテキスト用の注釈付き1000マイクログラフ12,846枚からなる新しいデータセットであるAquaMicro12Kでトレーニングされている。 このシステムは184万フレームを処理し、94.8% mAP@0.5と96.3%の異常予測精度で汚染事象を継続的に検出し、ジェットソン・ナノでは4.8Wで動作する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Evidence from many low and middle income regions shows that microbial contamination in small scale drinking water systems often fluctuates rapidly, yet existing monitoring tools capture only fragments of this behaviour. Microscopic imaging provides organism level visibility, whereas physicochemical sensors reveal shortterm changes in water chemistry; in practice, operators must interpret these streams separately, making realtime decision-making unreliable. This study introduces AquaFusionNet, a lightweight cross-modal framework that unifies both information sources inside a single edge deployable model. Unlike prior work that treats microscopic detection and water quality prediction as independent tasks, AquaFusionNet learns the statistical dependencies between microbial appearance and concurrent sensor dynamics through a gated crossattention mechanism designed specifically for lowpower hardware. The framework is trained on AquaMicro12K, a new dataset comprising 12,846 annotated 1000 micrographs curated for drinking water contexts, an area where publicly accessible microscopic datasets are scarce. Deployed for six months across seven facilities in East Java, Indonesia, the system processed 1.84 million frames and consistently detected contamination events with 94.8% mAP@0.5 and 96.3% anomaly prediction accuracy, while operating at 4.8 W on a Jetson Nano. Comparative experiments against representative lightweight detectors show that AquaFusionNet provides higher accuracy at comparable or lower power, and field results indicate that cross-modal coupling reduces common failure modes of unimodal detectors, particularly under fouling, turbidity spikes, and inconsistent illumination. All models, data, and hardware designs are released openly to facilitate replication and adaptation in decentralized water safety infrastructures.
• Abstract（参考訳）: 多くの低所得地域や中所得地域の証拠から、小規模の飲料水システムにおける微生物汚染は急速に変動するが、既存のモニタリングツールはこれらの行動の断片のみを捉えている。 微視的イメージングは生物レベルを可視化するが、物理化学センサーは水化学の短期的な変化を明らかにしている。 本研究では,AquaFusionNetを紹介した。AquaFusionNetは軽量なクロスモーダルフレームワークで,単一エッジのデプロイ可能なモデル内で情報ソースを統一する。 顕微鏡検出と水質予測を独立したタスクとして扱う以前の研究とは異なり、AquaFusionNetは、低消費電力ハードウェア用に特別に設計されたゲートクロスアテンション機構を通じて、微生物の外観と同時センサーダイナミクスの統計的依存関係を学習する。 フレームワークはAquaMicro12Kでトレーニングされており、12,846個の注釈付き1000マイクログラフを飲料水コンテキスト用にキュレートした。 インドネシアのイーストジャワの7つの施設に6ヶ月間展開され、184万フレームを処理し、94.8% mAP@0.5と96.3%の異常予測精度で汚染イベントを継続的に検出した。 代表的な軽量検出器との比較実験により、AquaFusionNetは同等または低消費電力で高い精度を提供することが示された。 すべてのモデル、データ、ハードウェアの設計は、分散水安全インフラの複製と適応を容易にするために、公開リリースされている。

関連論文リスト

• AquaSentinel: Next-Generation AI System Integrating Sensor Networks for Urban Underground Water Pipeline Anomaly Detection via Collaborative MoE-LLM Agent Architecture [11.644739814142502]
  AquaSentinelは、都市地下パイプラインネットワークにおけるリアルタイムな異常検出のための物理インフォームドAIシステムである。 1) ネットワーク全体の可観測性を最小限のインフラから実現するために,高分散ノードでの戦略的スパースセンサ展開と物理ベースの状態拡張を併用する。
  論文  参考訳（メタデータ） (2025-11-19T20:53:50Z)
• AQUAIR: A High-Resolution Indoor Environmental Quality Dataset for Smart Aquaculture Monitoring [0.0]
  AquaIRは6つの屋内環境品質変数をログするオープンアクセス公開データセットである。 2024年10月14日から2025年1月9日までの5分毎に1台のAwair HOMEモニターがサンプリングされた。 本稿では,センサ配置,ISO準拠の装着高さ,基準機器に対する校正チェック,タイムスタンプの正規化を行うオープンソースの処理パイプラインについて述べる。
  論文  参考訳（メタデータ） (2025-09-28T21:07:10Z)
• An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
  本研究では,アンサンブル・フレームワークであるENSを提案する。 ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。 実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
  論文  参考訳（メタデータ） (2025-09-28T19:37:44Z)
• Contrastive Multi-Task Learning with Solvent-Aware Augmentation for Drug Discovery [3.4776689202566824]
  各種溶媒条件下で生成する配位子コンフォメーションアンサンブルを付加入力として組み込んだ事前学習法を提案する。 トレーニングプロセスは、分子再構成を統合し、局所的な幾何学、原子間距離予測、および対照的な学習を捉え、溶媒不変の分子表現を構築する。 このフレームワークは、溶媒を意識したマルチタスクモデリングをサポートし、ベンチマーク間で一貫した結果を生成する。
  論文  参考訳（メタデータ） (2025-08-03T15:25:42Z)
• Improve Underwater Object Detection through YOLOv12 Architecture and Physics-informed Augmentation [0.20767168898581637]
  水中物体検出は、自律航法、環境モニタリング、海洋探査に不可欠である。 現在の手法は精度と計算効率のバランスをとるが、低視認性条件下でのリアルタイムのデプロイには困難がある。 本研究は, YOLOv12アーキテクチャと物理インフォームド・オービメンテーション技術の統合による水中検出を推し進めるものである。
  論文  参考訳（メタデータ） (2025-06-30T04:06:50Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• 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)
• Autonomous Optimization of Fluid Systems at Varying Length Scales [55.41644538483948]
  本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。 この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
  論文  参考訳（メタデータ） (2021-05-28T02:08:03Z)
• Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
  本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。 予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。 我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
  論文  参考訳（メタデータ） (2019-12-30T20:25:16Z)

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。