論文の概要: On-Board Anomaly Detection for Efficient Marine Environmental Monitoring

• arxiv url: http://arxiv.org/abs/2610.03649v1
• Date: Fri, 02 Oct 2026 17:32:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.520336
• Title: On-Board Anomaly Detection for Efficient Marine Environmental Monitoring
• Title（参考訳）: 効率的な海洋環境モニタリングのためのオンボード異常検出
• Abstract要約: マルチ・ハイパースペクトルセンサを備えた地球観測衛星のための海洋イベント検出パイプラインを提案する。 我々のアプローチには、衛星画像を縮小された潜在空間に圧縮する自己教師型ニューラルネットワークエンコーダが含まれる。 機械学習異常検出モデルは、通常の海洋パターンからの逸脱を特定し、環境異常を検出する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Marine ecosystems are impacted by various threats such as oil spills, algal blooms, and sediment floods, which disrupt habitats, wildlife, and human activities. Advances in satellite imagery and Artificial Intelligence (AI) have enhanced our capabilities for early detection and mitigation of such hazards. In this paper, we propose a marine event detection pipeline for Earth observation satellites equipped with multi- or hyperspectral sensors. Our approach includes a self-supervised neural network encoder that compresses satellite images into a reduced latent space, enabling efficient onboard processing. A machine learning anomaly detection model identifies deviations from normal sea patterns to detect environmental anomalies. We compare its performance against traditional algorithms such as Isolation Forest, One-Class Support Vector Machine and Local Outlier Factors. Our lightweight, resource-efficient pipeline is optimized for deployment on satellites with limited computational resources, ranging from embedded CPUs to AI hardware accelerators. By prioritizing the transmission of critical information, our solution enhances system responsiveness and optimizes satellite communication bandwidth. Demonstrated through current integration across multiple missions, including European Space Agency's (ESA) Phisat-2 mission and Microsoft/Thales Alenia Space IMAGIN-e mission, our pipeline aims to improve marine environmental monitoring by providing timely alerts and efficient data reduction.
• Abstract（参考訳）: 海洋生態系は、石油流出、藻類、堆積物の洪水など様々な脅威の影響を受けており、生息環境、野生生物、人間活動が破壊されている。 衛星画像と人工知能(AI)の進歩は、このようなハザードの早期発見と緩和の能力を高めた。 本論文では,マルチ・ハイパースペクトルセンサを備えた地球観測衛星の海洋イベント検出パイプラインを提案する。 当社のアプローチには、衛星画像を遅延空間に圧縮し、効率的なオンボード処理を可能にする自己教師型ニューラルネットワークエンコーダが含まれている。 機械学習異常検出モデルは、通常の海洋パターンからの逸脱を特定し、環境異常を検出する。 本研究では, 孤立林, ワンクラス支援ベクトルマシン, 局所アウトリア係数などの従来のアルゴリズムと比較した。 私たちの軽量でリソース効率のよいパイプラインは、組み込みCPUからAIハードウェアアクセラレータまで、限られた計算リソースを持つ衛星へのデプロイメントに最適化されています。 クリティカル情報の送信を優先することで、システムの応答性を高め、衛星通信帯域幅を最適化する。 欧州宇宙機関(ESA)のPhisat-2ミッションやMicrosoft/Thales Alenia Space IMAGIN-eミッションなど、現在の複数のミッションの統合によって実証されたパイプラインは、タイムリーなアラートと効率的なデータ削減を提供することで、海洋環境の監視を改善することを目的としています。

関連論文リスト

• AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
  UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。 我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。 また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
  論文  参考訳（メタデータ） (2025-11-26T04:44:27Z)
• Secure Low-altitude Maritime Communications via Intelligent Jamming [53.42658269206017]
  低高度無線ネットワーク (LAWN) は海上通信の有効なソリューションとして登場している。 オープンで明確なUAV通信チャネルは、海上のLAWNを盗聴攻撃に対して脆弱にする。 本稿では,動的盗難対策にインテリジェントジャミングを用いた低高度海上通信システムを提案する。
  論文  参考訳（メタデータ） (2025-11-10T03:16:19Z)
• An Edge AI Solution for Space Object Detection [29.817805350971366]
  宇宙物体検出タスクのための深層学習に基づく視覚センシングに基づくエッジAIソリューションを提案する。 我々は,これらのモデルの性能を,様々な現実的な空間オブジェクト検出シナリオで評価する。
  論文  参考訳（メタデータ） (2025-05-08T14:51:19Z)
• Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
  本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。 安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。 動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。 次に,トランスサック (TransSAC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Enhancing Maritime Situational Awareness through End-to-End Onboard Raw Data Analysis [4.441792803766689]
  本研究は、小型衛星の厳密な帯域幅、エネルギー、遅延制約に対処する枠組みを提案する。 衛星画像からの船舶の直接検出・分類における深層学習手法の適用について検討した。 本手法は,車載処理チェーンの簡素化により,キャリブレーションや整形などの計算集約的なステップを必要とせず,直接解析を容易にする。
  論文  参考訳（メタデータ） (2024-11-05T18:38:42Z)
• Markers Identification for Relative Pose Estimation of an Uncooperative Target [0.0]
  本稿では,欧州宇宙機関 (ESA) の環境衛星(ENVISAT) 上の構造マーカーを安全な軌道離脱のために検出する新しい手法を提案する。 マーカー検出精度とロバスト性を改善するために,ノイズ付加やボケリングなどの高度な画像前処理技術が用いられている。
  論文  参考訳（メタデータ） (2024-07-30T03:20:54Z)
• 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)

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。