論文の概要: Non-Invasive Inspection of Water Canals Using Dronar
- arxiv url: http://arxiv.org/abs/2609.40178v1
- Date: Wed, 30 Sep 2026 17:03:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:28.125521
- Title: Non-Invasive Inspection of Water Canals Using Dronar
- Title（参考訳）: ドナーを用いた水路の非侵襲検査
- Abstract要約: 研究チームは、容易にデプロイ可能で非侵襲的な方法で、水を排出することなく、管床を検査する方法を開発し、検証した。
本稿では,フェニックスのアリゾナ運河における3つの実地試験におけるドロナーシステムの実証実験について述べる。
- 参考スコア（独自算出の注目度）: 0.10439136407307044
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Open concrete canals play a vital role in water transportation, serving as primary water infrastructure for millions of people across the Phoenix, Arizona, metro area. Over time, the concrete canals can experience a range of issues, including canal lining deformation, cracked concrete, and sediment buildup on the canal floor. Identifying such critical issues is a resource-intensive process, which currently happens only during four-year dry-up cycles. This prevents the maintenance crew from prioritizing operations on the most affected canal segments. To address this issue, the research team has developed and verified an easily deployable and non-invasive method to inspect canal beds without draining the water. This inspection system integrates affordable, off-the-shelf drone and sonar technology (termed dronar). This dronar system includes a consumer-grade sonar system integrated into an unmanned surface vehicle (USV) that carries the sonar transducer just under the surface of the canal water. This paper presents a proof-of-concept demonstration of the dronar system across three field tests on the Arizona Canal in Phoenix. DownScan depth profiles from the sedimented canal segment were consistently shallower than profiles from the same segment after cleaning, with offsets of up to 15 cm observed along the track. Repeated runs over the clean segment produced closely overlapping DownScan depth profiles, confirming that the dronar yields repeatable measurements across the natural variation of the canal bed. These results establish the dronar as a viable proof-of-concept tool for non-invasive canal bed inspection.
- Abstract（参考訳）: オープンコンクリート運河は水運において重要な役割を担い、フェニックス、アリゾナ、メトロ地域の何百万人もの人々の水基盤となっている。
長い時間をかけて、コンクリート運河は、運河の水平方向の変形、ひび割れしたコンクリート、運河の床の土砂の積み上げなど、様々な問題を経験することができる。
このような重要な問題の特定は資源集約的なプロセスであり、現在は4年間のドライアップサイクルでのみ行われます。
これにより、メンテナンスクルーは最も影響を受ける運河セグメントでの操作を優先順位付けすることができない。
この問題に対処するため、研究チームは、容易に展開可能で非侵襲的な方法で、水を排水することなく、管床を検査する方法を開発し、検証した。
この検査システムは、安価で市販のドローンとソナー技術(Dronarと呼ばれる)を統合している。
このドロナーシステムは、運河水面直下のソナートランスデューサを運ぶ無人表面車両(USV)に統合されたコンシューマグレードのソナーシステムを含む。
本稿では,フェニックスのアリゾナ運河における3つの実地試験におけるドロナーシステムの実証実験について述べる。
沈殿した運河セグメントのダウンスキャン深度分布は, 浄化後の同一セグメントの深度よりも一貫して浅く, 軌道に沿って最大15cmのオフセットが観測された。
ダウナールが管床の自然変動にまたがって繰り返し測定できることを示すために、DownScanの深度プロファイルが重なり合うように再現された。
これらの結果からDronarは非侵襲的管床検査のための概念実証ツールとして有用であることが確認された。
関連論文リスト
- Geometry-Aided Channel Deduction with Partial Channel Estimates and Uncalibrated Digital Twin [47.296715885394015]
本稿では,環境形状と位置を近似したディジタルツイン (DT) を用いた幾何支援チャネル推論 (GCD) 手法を提案する。
この目的のために、我々はまず、チャネルの単純な構造情報のみを含むDTから幾何学的特徴を抽出する。
その後、プロンプトは、パイロットベースの瞬時チャネル推定と、チャネル導出ネットワークを介して融合される。
論文 参考訳（メタデータ） (2026-09-29T11:19:30Z) - AI-Driven Forecasting and Monitoring of Urban Water System [5.652933022735071]
地下水と排水パイプラインは市の運営に欠かせないが、漏れや浸透などの異常に悩まされている。
近年、人工知能は急速に進歩し、都市インフラにもますます応用されている。
地下パイプラインにおける漏洩検知の課題に対処する,統合型AIおよびリモートセンサフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-08T04:28:38Z) - DUViN: Diffusion-Based Underwater Visual Navigation via Knowledge-Transferred Depth Features [47.88998580611257]
本研究では,知識伝達深度特性を用いた拡散型水中ビジュアルナビゲーションポリシーDUViNを提案する。
DuViNは、事前に構築された地図に頼ることなく、障害物を回避し、地形に対して安全かつ認識の高い高度を維持するよう車両を誘導する。
シミュレーションおよび実世界の水中環境における実験は、我々のアプローチの有効性と一般化を実証している。
論文 参考訳（メタデータ） (2025-09-03T03:43:12Z) - Using an Uncrewed Surface Vehicle to Create a Volumetric Model of
Non-Navigable Rivers and Other Shallow Bodies of Water [0.0]
航行不可能な川や貯水池は洪水からの集落の緩衝に重要な役割を果たしている。
緊急プランナーは、周囲に浸水する前に輸送できる水の量に関するデータを持っていないことが多い。
本稿では,浅い水域の底面のディジタルサーフェスマップを統一体積モデルに組み込むために,無人海洋表層車両 (USV) を用いた実践的アプローチについて述べる。
論文 参考訳（メタデータ） (2023-09-19T02:46:17Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。
提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
論文 参考訳（メタデータ） (2022-12-23T03:00:28Z) - Revisiting Random Channel Pruning for Neural Network Compression [159.99002793644163]
チャネル(または3Dフィルタ)プルーニングは、ニューラルネットワークの推論を加速する有効な方法である。
本稿では,ランダムな探索により,プルーンドモデルのチャネル構成を決定することを試みる。
この単純な戦略は、他のチャネルプルーニング手法と比較して非常にうまく機能することを示す。
論文 参考訳（メタデータ） (2022-05-11T17:59:04Z) - Semi-supervised Identification and Mapping of Surface Water Extent using
Street-level Monitoring Videos [1.0152838128195467]
本稿では,斜め監視カメラの映像から表面水深認識のための半教師付きセグメンテーション手法を提案する。
このアルゴリズムは水の境界を決定するのに適し, 監視ビデオの画素のジオレファレンスにモノプロイト法をうまく適用した。
この研究のワークフローと手法は、他の街路面や地表面のプロセスを研究する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2022-01-31T21:27:37Z) - Jet noise characterization for advanced pipeline leak detection [0.0]
本研究では,そのような漏出孔の存在と大きさの両方を検知できることを示す。
燃料タンク領域の16 ID接続パイプライン上に複数のキャリブレーションノズルを用いて音波発生実験を行った。
論文 参考訳（メタデータ） (2022-01-31T09:35:33Z) - Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
本稿では,他の飛行ドローンからドローンを検知する問題に対処する。
ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。
これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
論文 参考訳（メタデータ） (2021-03-31T17:43:31Z) - Attention Neural Network for Trash Detection on Water Channels [2.4660652494309936]
都市を流れる川や運河は、ゴミを捨てるためにしばしば違法に使用される。
これにより、淡水流路が汚染され、下水道が封鎖され、都市部が浸水する。
本稿では,都市部における運河水面に浮かぶ可視性ゴミの検出手法を提案する。
論文 参考訳（メタデータ） (2020-07-09T08:41:30Z)
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。