論文の概要: AI-Powered Flare Combustion Efficiency Estimation
- arxiv url: http://arxiv.org/abs/2609.11262v1
- Date: Thu, 10 Sep 2026 08:56:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.274858
- Title: AI-Powered Flare Combustion Efficiency Estimation
- Title（参考訳）: AIによるフレア燃焼効率推定
- Abstract要約: 従来のガス分析器やハイパースペクトルカメラは高価で壊れやすく、頻繁な校正を必要とする。
本稿では、軽量な視覚言語エンコーダとコンパクトな多層パーセプトロンを組み合わせた革新的なソリューションを提案する。
完全にトレーニングされたモデルは、容易にデプロイ可能なグラフィカルユーザインターフェースに統合される。
- 参考スコア（独自算出の注目度）: 12.524899098581848
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Achieving high combustion efficiency in flare stacks is crucial for adhering to regulatory standards and controlling the release of hydrocarbons into the environment. Traditional instruments like gas analyzers and hyperspectral cameras are expensive, fragile, and require frequent calibration, which makes them impractical for remote or budget constrained industrial sites. We propose an innovative solution that combines a lightweight vision-language encoder with a compact multi-layer perceptron to predict combustion efficiency directly from low-cost thermal video footage. The fully trained model is integrated into an easy-to-deploy graphical user interface. This interface overlays predicted combustion efficiency values on each video frame, displays real-time trends in combustion efficiency, shows the distribution of combustion efficiency across all frames in the video, and allows users to export CSV reports. Over a six-month period, the system achieved 99% uptime and required less than 15 minutes of maintenance per week.
- Abstract（参考訳）: フレアスタックにおける高燃焼効率の実現は, 規制基準に固執し, 環境への炭化水素の放出を制御する上で重要である。
ガス分析器やハイパースペクトルカメラのような従来の機器は高価で壊れやすく、頻繁なキャリブレーションを必要とするため、遠隔地や予算に制約のある工業施設では実用的ではない。
本稿では,軽量な視覚言語エンコーダとコンパクトな多層パーセプトロンを組み合わせることで,低コストのサーマルビデオ映像から直接燃焼効率を予測する革新的な手法を提案する。
完全にトレーニングされたモデルは、容易にデプロイ可能なグラフィカルユーザインターフェースに統合される。
このインタフェースは, 各ビデオフレーム上での燃焼効率の予測値をオーバーレイし, 燃焼効率のリアルタイムな傾向を示し, ビデオ中の全フレームにわたる燃焼効率の分布を示し, ユーザがCSVレポートをエクスポートできるようにする。
6ヶ月の間、システムは99%のアップタイムを達成し、1週間に15分未満のメンテナンスを必要とした。
関連論文リスト
- LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics [50.45297537821907]
我々はLeJEPAの崩壊のない目的の下で訓練された最初のビデオエンコーダLeVJEPAを紹介する。
単一のエンコーダは、クリップのグローバルおよびローカルビューよりも分散損失で訓練される。
LeVJEPAはV-JEPA 2とVT-S/B/Lの5.6から20.8倍の速さで一致または超える。
論文 参考訳（メタデータ） (2026-08-27T17:26:24Z) - Unified Spatio-Temporal Token Scoring for Efficient Video VLMs [61.08183446817756]
トケンプルーニングは視覚言語モデルの計算効率を高めるために不可欠である。
本稿では,視覚トークンを ViT と LLM の両方にわたってプルークする,シンプルで軽量なモジュールである Spatio-Temporal Token Scoring (STTS) を紹介する。
STTSはアーキテクチャ全体の視覚トークンの50%を突破し、トレーニングと推論の両方で効率が62%向上した。
論文 参考訳（メタデータ） (2026-03-18T17:59:56Z) - $D^3$-RSMDE: 40$\ imes$ Faster and High-Fidelity Remote Sensing Monocular Depth Estimation [72.9912717963138]
リモートセンシング画像からのリアルタイムで高忠実な単眼深度推定は、多くのアプリケーションにとって不可欠である。
視覚変換器(ViT)のバックボーンを高密度な予測に使用するのは速いが、知覚品質は低いことが多い。
リモートセンシング単眼深度推定のための深度詳細拡散法(D3$-RSMDE)を提案する。
D3$-RSMDEは、Learninged Perceptual Image Patch similarity (LPIPS)の知覚距離を11.85%削減する。
論文 参考訳（メタデータ） (2026-03-17T10:50:36Z) - VDOT: Efficient Unified Video Creation via Optimal Transport Distillation [70.02065520468726]
本稿では,VDOT という名前の効率的な統合ビデオ生成モデルを提案する。
我々は,実測値分布と偽測値分布の差分を最適化するために,新しい計算最適輸送(OT)技術を用いる。
統合ビデオ生成モデルの訓練を支援するため,ビデオデータアノテーションとフィルタリングのための完全自動パイプラインを提案する。
論文 参考訳（メタデータ） (2025-12-07T11:31:00Z) - VORTA: Efficient Video Diffusion via Routing Sparse Attention [54.84294780326206]
VORTAは2つの新しいコンポーネントを持つアクセラレーションフレームワークである。
VBenchの品質を損なうことなく、エンドツーエンドのスピードアップを$1.76タイムで実現している。
モデルキャッシングやステップ蒸留など、他の様々なアクセラレーション手法とシームレスに統合でき、14.41タイムのスピードアップに到達し、性能劣化を無視できる。
論文 参考訳（メタデータ） (2025-05-24T17:46:47Z) - CarboFormer: A Lightweight Semantic Segmentation Architecture for Efficient Carbon Dioxide Detection Using Optical Gas Imaging [4.567122178196833]
二酸化炭素排出量(CO$$)は、環境影響と産業プロセスの両方の重要な指標である。
光ガスイメージング(OGI)のための軽量セマンティックセグメンテーションフレームワークCarboFormerを紹介する。
提案手法は,最適化エンコーダデコーダアーキテクチャと,特殊なマルチスケール機能融合と補助監視戦略を統合したものである。
論文 参考訳（メタデータ） (2025-05-23T18:01:42Z) - H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models [97.45170082949552]
オートエンコーダ(AE)は、画像およびビデオ生成のための潜時拡散モデルの成功の鍵である。
H3AEはGPUとモバイルで超高圧縮比とリアルタイムデコード速度を達成する。
論文 参考訳（メタデータ） (2025-04-14T17:59:06Z) - Real-Time Aerial Fire Detection on Resource-Constrained Devices Using Knowledge Distillation [29.875425833515973]
森林火災の災害は、環境劣化、人的損失、財政的損害を著しく引き起こす。
現在のシステムは、主に視野の限られた固定CCTVカメラに依存しており、大規模な屋外環境での有効性を制限している。
より強力な教師モデルからの知識の蒸留を通じて圧縮されたMobileViT-Sに基づく軽量火災検知モデルを提案する。
論文 参考訳（メタデータ） (2025-02-28T11:49:58Z) - ForestProtector: An IoT Architecture Integrating Machine Vision and Deep Reinforcement Learning for Efficient Wildfire Monitoring [0.9423257767158634]
森林火災の早期発見は、それらが引き起こす環境と社会経済の被害を最小限に抑えるために重要である。
既存の火災検知システムは高価であり、人的介入を必要とすることが多く、大規模地域の継続的な監視は実行不可能である。
本研究は、コンピュータビジョン機能を備えた中央ゲートウェイ装置を用いて、遠距離における煙の360度視野をモニタする低コスト森林火災検知システムを提案する。
論文 参考訳（メタデータ） (2025-01-17T02:47:14Z) - Flame quality monitoring of flare stack based on deep visual features [0.26107298043931193]
燃焼効率のモニタリングは環境保護にとって非常に重要である。
従来のセンサーによる監視方法は高価であるだけでなく、厳しい燃焼環境でも容易に損傷する。
本稿では,炎と煙の面積比,火のRGB情報,火の角度など,視覚的特徴のみを用いて火の質を監視することを提案する。
論文 参考訳（メタデータ） (2024-10-18T14:49:56Z) - Data-Model-Circuit Tri-Design for Ultra-Light Video Intelligence on Edge
Devices [90.30316433184414]
本稿では,HDビデオストリーム上での高スループット,低コスト,高精度MOTのためのデータモデル・ハードウエア・トリデザイン・フレームワークを提案する。
現状のMOTベースラインと比較して、我々の三設計アプローチは12.5倍の遅延低減、20.9倍のフレームレート改善、5.83倍の低消費電力、9.78倍のエネルギー効率を実現でき、精度は低下しない。
論文 参考訳（メタデータ） (2022-10-16T16:21:40Z) - Fault Detection for Non-Condensing Boilers using Simulated Building
Automation System Sensor Data [0.0]
建設性能はコミッショニング後に著しく低下し、エネルギー消費が増加し、温室効果ガスが排出される。
既存のセンサネットワークとIoTデバイスを使用した継続的なコミッショニングは、この無駄を最小限にする可能性がある。
ボイラ性能研究のレビューは, 共通の欠陥と劣化した性能条件のセットの開発に用いられている。
このデータは、K-アネレスト、決定木、ランダムフォレスト、サポートベクトルマシンを用いた断層分類のトレーニングとテストに使用される。
論文 参考訳（メタデータ） (2022-05-13T18:47:16Z) - All at Once: Temporally Adaptive Multi-Frame Interpolation with Advanced
Motion Modeling [52.425236515695914]
最先端の手法は、一度に1つのフレームを補間する反復解である。
この研究は、真のマルチフレーム補間子を導入している。
時間領域のピラミッドスタイルのネットワークを使用して、複数フレームのタスクをワンショットで完了する。
論文 参考訳（メタデータ） (2020-07-23T02:34:39Z)
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。