Fugu-MT 論文翻訳(概要): From Prediction to Diagnosis: Reasoning-Aware AI for Photovoltaic Defect Inspection

論文の概要: From Prediction to Diagnosis: Reasoning-Aware AI for Photovoltaic Defect Inspection

arxiv url: http://arxiv.org/abs/2603.26776v1
Date: Tue, 24 Mar 2026 18:30:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-31 23:18:44.596205
Title: From Prediction to Diagnosis: Reasoning-Aware AI for Photovoltaic Defect Inspection
Title（参考訳）: 予測から診断へ:太陽光発電の欠陥検査のための推論対応AI
Authors: Dev Mistry, Feng Qiu, Bo Chen, Feng Liu, Can Chen, Mohammad Shahidehpour, Ren Wang,
Abstract要約: REVL-PVは、ドメイン固有の診断推論をマルチモーダル学習に組み込むビジョン言語フレームワークである。 8つの欠陥カテゴリにまたがる1,927個の実世界のモジュールについて評価した。
参考スコア（独自算出の注目度）: 18.44969129809182
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Reliable photovoltaic defect identification is essential for maintaining energy yield, ensuring warranty compliance, and enabling scalable inspection of rapidly expanding solar fleets. Although recent advances in computer vision have improved automated defect detection, most existing systems operate as opaque classifiers that provide limited diagnostic insight for high-stakes energy infrastructure. Here we introduce REVL-PV, a vision-language framework that embeds domain-specific diagnostic reasoning into multimodal learning across electroluminescence, thermal, and visible-light imagery. By requiring the model to link visual evidence to plausible defect mechanisms before classification, the framework produces structured diagnostic reports aligned with professional photovoltaic inspection practice. Evaluated on 1,927 real-world modules spanning eight defect categories, REVL-PV achieves 93\% classification accuracy while producing interpretable diagnostic rationales and maintaining strong robustness under realistic image corruptions. A blind concordance study with a certified solar inspection expert shows strong semantic alignment between model explanations and expert assessments across defect identification, root-cause attribution, and visual descriptions. These results demonstrate that reasoning-aware multimodal learning establishes a general paradigm for trustworthy AI-assisted inspection of photovoltaic energy infrastructure.
Abstract（参考訳）: 信頼性の高い太陽電池欠陥の特定は、エネルギー収量を維持し、保証されたコンプライアンスを確保し、急速に拡大する太陽艦隊のスケーラブルな検査を可能にするために不可欠である。コンピュータビジョンの最近の進歩は自動欠陥検出を改善しているが、既存のシステムの多くは不透明な分類器として機能し、高いエネルギーインフラの診断能力に限界がある。本稿では、発光、熱、可視光画像の多モード学習にドメイン固有の診断推論を組み込んだ視覚言語フレームワークREVL-PVを紹介する。分類の前に視覚的エビデンスと可視的欠陥機構を関連付けることを要求することにより, 専門的な太陽光発電検査の実践に合わせて, 構造化された診断報告を生成する。 8つの欠陥カテゴリにまたがる1,927個の実世界のモジュールで評価され、REVL-PVは93\%の分類精度を達成し、解釈可能な診断的合理性を生成し、現実的な画像の破損下で強い堅牢性を維持する。認定ソーラーインスペクションの専門家によるブラインドコンコーディション研究は、欠陥の同定、根本原因の属性、視覚的説明などにわたるモデル説明と専門家評価の間に強い意味的整合性を示す。これらの結果は、推論を意識したマルチモーダル学習が、信頼できるAI支援による光エネルギーインフラの検査のための一般的なパラダイムを確立していることを示している。

関連論文リスト

Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。 In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。 IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
論文参考訳（メタデータ） (2026-03-11T06:14:11Z)
A Trustworthy Industrial Fault Diagnosis Architecture Integrating Probabilistic Models and Large Language Models [7.074098396770342]
このアーキテクチャはベイジアンネットワークベースの診断エンジンを通じて予備解析を行う。認知量子モジュールは、初期診断のエキスパートレベルの仲裁を行う。ケーススタディでは、HCAAが従来のモデルにおける複雑な特徴パターンや知識のギャップに起因する誤判断を効果的に修正することが確認されている。
論文参考訳（メタデータ） (2025-10-04T14:11:13Z)
ThinkFake: Reasoning in Multimodal Large Language Models for AI-Generated Image Detection [51.93101033997245]
AI生成画像のリアリズムの増大は、誤情報やプライバシー侵害に対する深刻な懸念を引き起こしている。我々は、AI生成画像検出のための新しい推論に基づく一般化可能なフレームワークThinkFakeを提案する。我々は、ThinkFakeがGenImageベンチマークで最先端の手法より優れており、挑戦的なLOKIベンチマークで強力なゼロショットの一般化を示すことを示す。
論文参考訳（メタデータ） (2025-09-24T07:34:09Z)
Benchmarking Vision Transformers and CNNs for Thermal Photovoltaic Fault Detection with Explainable AI Validation [0.0]
本研究では,熱PV故障検出のための畳み込みニューラルネットワーク(ResNet-18,EfficientNet-B0)と視覚変換器(ViT-Tiny,Swin-Tiny)を系統的に比較した。正常な動作にまたがる2万枚の赤外線画像と11の断層カテゴリの評価により,Swin Transformerが最も高い性能を示した。 XRAI分析では、細胞欠陥の局所化ホットスポット、ダイオード故障の線形熱経路、植生陰影の熱境界など、物理的に意味のある特徴を学習する。
論文参考訳（メタデータ） (2025-09-08T08:38:53Z)
EyeSim-VQA: A Free-Energy-Guided Eye Simulation Framework for Video Quality Assessment [68.77813885751308]
EyeSimVQAは、自由エネルギーベースの自己修復を取り入れた新しいVQAフレームワークである。現状の手法と比較して,EyeSimVQAは競争力や性能に優れることを示す。
論文参考訳（メタデータ） (2025-06-13T08:00:54Z)
NeRF-Based defect detection [6.72800891299482]
本稿では,Neural Radiance Fields(NeRF)に基づく自動欠陥検出フレームワークとディジタルツインの概念を紹介する。このシステムは、UAVを使って画像を取得し、機械の3Dモデルを再構成し、標準的な基準モデルと現在のモデルの両方を生成して比較する。
論文参考訳（メタデータ） (2025-03-31T22:27:51Z)
Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文参考訳（メタデータ） (2024-10-08T17:59:03Z)
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)
A lightweight network for photovoltaic cell defect detection in electroluminescence images based on neural architecture search and knowledge distillation [9.784061533539822]
畳み込みニューラルネットワーク(CNN)は、PV細胞の既存の自動欠陥検出に広く用いられている。本稿では,ニューラルアーキテクチャ探索と知識蒸留に基づくPVセルの自動欠陥検出のための軽量高性能モデルを提案する。提案した軽量高性能モデルは、実際の産業プロジェクトのエンドデバイスに容易に展開でき、精度を維持できる。
論文参考訳（メタデータ） (2023-02-15T04:00:35Z)
A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文参考訳（メタデータ） (2021-11-23T08:04:32Z)
Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
論文参考訳（メタデータ） (2021-01-11T08:14:35Z)

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。