論文の概要: Thermo-LIO: A Novel Multi-Sensor Integrated System for Structural Health Monitoring

• arxiv url: http://arxiv.org/abs/2601.08977v1
• Date: Tue, 13 Jan 2026 20:54:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.164862
• Title: Thermo-LIO: A Novel Multi-Sensor Integrated System for Structural Health Monitoring
• Title（参考訳）: Thermo-LIO: 構造的健康モニタリングのための新しいマルチセンサ統合システム
• Authors: Chao Yang, Haoyuan Zheng, Yue Ma,
• Abstract要約: 従来の2次元サーモグラフィーは、複雑な地形、到達不能領域、地下欠陥を効果的に評価するのに限られている。 本稿では,高分解能LiDARで熱画像を融合させることで,構造的健康モニタリング(SHM)を向上する,新しいマルチセンサシステムであるThermo-LIOを紹介する。
• 参考スコア（独自算出の注目度）: 7.407155043542133
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional two-dimensional thermography, despite being non-invasive and useful for defect detection in the construction field, is limited in effectively assessing complex geometries, inaccessible areas, and subsurface defects. This paper introduces Thermo-LIO, a novel multi-sensor system that can enhance Structural Health Monitoring (SHM) by fusing thermal imaging with high-resolution LiDAR. To achieve this, the study first develops a multimodal fusion method combining thermal imaging and LiDAR, enabling precise calibration and synchronization of multimodal data streams to create accurate representations of temperature distributions in buildings. Second, it integrates this fusion approach with LiDAR-Inertial Odometry (LIO), enabling full coverage of large-scale structures and allowing for detailed monitoring of temperature variations and defect detection across inspection cycles. Experimental validations, including case studies on a bridge and a hall building, demonstrate that Thermo-LIO can detect detailed thermal anomalies and structural defects more accurately than traditional methods. The system enhances diagnostic precision, enables real-time processing, and expands inspection coverage, highlighting the crucial role of multimodal sensor integration in advancing SHM methodologies for large-scale civil infrastructure.
• Abstract（参考訳）: 従来の2次元サーモグラフィーは、非侵襲的であり、建設現場での欠陥検出に有用であるが、複雑な地形、到達不能領域、地下欠陥を効果的に評価するのに限られている。 本稿では,高分解能LiDARで熱画像を融合させることで,構造的健康モニタリング(SHM)を向上する,新しいマルチセンサシステムであるThermo-LIOを紹介する。 そこで本研究では, 熱画像とLiDARを組み合わせたマルチモーダル融合法を開発し, マルチモーダルデータストリームの正確な校正と同期を可能にし, 建物内の温度分布の正確な表現を可能にした。 第二に、この融合アプローチをLiDAR-Inertial Odometry (LIO)と統合し、大規模な構造を網羅し、検査サイクルを通して温度変化と欠陥検出の詳細な監視を可能にする。 橋梁とホールビルのケーススタディを含む実験的検証は、サーモ・LIOが従来の方法よりも詳細な熱異常や構造欠陥を正確に検出できることを実証している。 このシステムは診断精度を高め、リアルタイム処理を可能にし、検査範囲を拡大し、大規模土木インフラにおけるSHM手法の進歩におけるマルチモーダルセンサ統合の重要性を強調した。

関連論文リスト

• Data-Driven Optical To Thermal Inference in Pool Boiling Using Generative Adversarial Networks [1.0499611180329804]
  本稿では,標準プール沸騰構成における幾何位相から温度場を推定するデータ駆動フレームワークを提案する。 本研究は,観測可能な多相現象と熱輸送のギャップを埋めるための深部生成モデルの可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-05-01T19:26:01Z)
• Optimizing Multispectral Object Detection: A Bag of Tricks and Comprehensive Benchmarks [49.84182981950623]
  RGBおよびTIR(熱赤外)変調を利用したマルチスペクトル物体検出は,課題として広く認識されている。 モダリティと堅牢な融合戦略の両方から特徴を効果的に抽出するだけでなく、スペクトルの相違といった問題に対処する能力も必要である。 本稿では,高パフォーマンス単一モードモデルのシームレスな最適化が可能な,効率的かつ容易にデプロイ可能なマルチスペクトルオブジェクト検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-27T12:18:39Z)
• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• In-Situ Infrared Camera Monitoring for Defect and Anomaly Detection in Laser Powder Bed Fusion: Calibration, Data Mapping, and Feature Extraction [0.26999000177990923]
  レーザーパウダーベッド融合(LPBF)プロセスは, 溶融プール不安定性, スパッタリング, 温度上昇, 粉体拡散異常による欠陥を生じさせる可能性がある。 内部監視による欠陥の特定には、通常、生成された大量のデータを収集、保存、分析する必要がある。
  論文  参考訳（メタデータ） (2024-07-17T16:02:22Z)
• Lightweight Multi-System Multivariate Interconnection and Divergence Discovery [0.0]
  本研究では,多系統環境における異常な挙動を識別する軽量な相互接続・分散発見機構(LIDD)を提案する。 CERNにおけるコンパクト・ミューオン・ソレノイド(CMS)実験におけるハドロン・カロリメータの読み出しシステムに関する実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-04-12T13:02:33Z)
• Critical heat flux diagnosis using conditional generative adversarial networks [0.0]
  臨界熱流束 (CHF) は、高熱流束熱水和システムで用いられる沸騰熱伝達プロセスにおいて必須の安全境界である。 本研究では,CHFにおけるボイリングシステムの熱データ再構成のためのデータ駆動画像変換手法を提案する。
  論文  参考訳（メタデータ） (2023-05-04T07:53:04Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns [48.53244254413104]
  我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。 結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。 シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
  論文  参考訳（メタデータ） (2022-02-01T03:53:39Z)
• Thermal vulnerability detection in integrated electronic and photonic circuits using IR thermography [1.8809094132625916]
  本研究は、フォトニックおよび電子部品に適した赤外線支援熱脆弱性検出技術を提案する。 信頼性試験は、従来の赤外線サーモグラフィーを用いて、完全に機能するマイクロ波フォトニクスシステムに初めて拡張される。
  論文  参考訳（メタデータ） (2020-05-01T09:25:55Z)

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。