論文の概要: Autonomous 3D Visual-Thermal Inspection for Utility-Scale Solar Farms

• arxiv url: http://arxiv.org/abs/2610.17762v1
• Date: Tue, 13 Oct 2026 05:43:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.530148
• Title: Autonomous 3D Visual-Thermal Inspection for Utility-Scale Solar Farms
• Title（参考訳）: 実用規模のソーラーファームのための自律型3次元視熱検査
• Abstract要約: パネル下太陽光発電(PV)資産は、大規模に一貫した検査が困難である。 本稿では,3次元視熱自動検査システム(Tricorder)について述べる。
• 参考スコア（独自算出の注目度）: 4.046243424225752
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Utility-scale photovoltaic (PV) inspection is dominated by aerial surveys, which are effective for identifying module-level hot cells but provide limited visibility of critical components located under the array, including connectors, cabling, fasteners and structural elements. These assets are difficult to inspect consistently at scale, and their defects are often spatially small, partially occluded and difficult to localise from isolated images. We present an automated 3D visual-thermal inspection system (Tricorder) for under-panel PV asset inspection. The approach combines LiDAR-inertial Simultaneous Localization and Mapping (SLAM) with geometrically calibrated RGB and thermal imagery and machine-learning-based object detection and segmentation. Detected assets are associated with the reconstructed 3D environment, allowing visual and thermal observations from multiple viewpoints to be spatially fused and localised. We demonstrate the approach on utility-scale PV data for MC4 connector detection and connection-state recognition, thermal anomaly identification, and detection of structural components including bolts, nuts and torque tubes. The results demonstrate a pathway from image-based inspection toward spatially grounded autonomous inspection, where defects are detected and linked to specific assets and their 3D locations within the solar farm.
• Abstract（参考訳）: 実用規模の太陽光発電(PV)検査は、モジュールレベルの高温細胞を特定するのに有効であるが、コネクター、キャベリング、ファスナー、構造要素を含むアレイの下に位置する重要なコンポーネントの限られた可視性を提供する空中調査によって支配されている。 これらの資産は、一貫したスケールで検査することは困難であり、その欠陥はしばしば空間的に小さく、部分的に隠蔽され、孤立した画像からローカライズすることが困難である。 本稿では,3次元視熱自動検査システム(Tricorder)について述べる。 このアプローチは、LiDAR-Inertial Simultaneous Localization and Mapping (SLAM)と幾何学的に校正されたRGBと熱画像と機械学習に基づくオブジェクト検出とセグメンテーションを組み合わせたものである。 検出された資産は再構成された3D環境と関連付けられており、複数の視点からの視覚的および熱的な観察を空間的に融合し、局所化することができる。 本稿では,MC4コネクタ検出と接続状態認識,熱異常同定,ボルト,ナット,トルクチューブなどの構造成分の検出のための実用規模のPVデータに対するアプローチを示す。 その結果、画像に基づく検査から空間的に接地された自律的な検査への道筋が示され、そこでは欠陥が検出され、ソーラーファーム内の特定の資産とその3D位置とリンクされる。

関連論文リスト

• Markerless Multi-Modal Autonomous Robotic Inspection of Large Space Structures [0.0]
  本稿では、3次元再構成を検査支援表現として用いるマーカーレス自律型ロボット検査パイプラインを提案する。 このシステムはキノバのGen2マニピュレータと、RGB-Dカメラ、サーマルカメラ、および2D LiDARで構成されるエンドエフェクター搭載マルチモーダルセンサーヘッドを統合している。 パイプラインは、近似的な検査ボリュームを推定し、視点を生成し、MoveItで衝突のない動きを計画し、RGB-D画像、サーマルデータ、ロボットのポーズをROS2で同期的に記録する。
  論文  参考訳（メタデータ） (2026-09-24T12:37:21Z)
• Cross-Session 3D LiDAR and Camera Fusion for Robust Localization of Unmanned Aerial Vehicles in GPS-Denied Environments [0.9749189465851389]
  クロスフュージョン(Cross-Fusion)は、リアルタイムUAVローカライゼーションのための新しい手法である。 このシステムは、動き追跡と画像に基づく特徴マッチングにLiDARベースのオドメトリを使用して、単一の赤緑色(RGB)カメラでドリフトを補正し、精度を向上させる。
  論文  参考訳（メタデータ） (2026-06-27T14:48:46Z)
• Multimodal Object Detection Under Sparse Forest-Canopy Occlusion [0.15469452301122175]
  本稿では,3つの補完的アプローチを統合するマルチモーダルな概念実証パイプラインを提案する。 YOLOv5検出器は、Teledyne FLIR熱データセットに基づいて微調整され、熱画像と融解画像に基づいて評価される。 その結果, 地上のLiDAR構成は, 物体レベルの検出に限界があることがわかった。
  論文  参考訳（メタデータ） (2026-05-14T18:39:51Z)
• TransBridge: Boost 3D Object Detection by Scene-Level Completion with Transformer Decoder [66.22997415145467]
  本稿では,スパース領域における検出機能を改善する共同補完・検出フレームワークを提案する。 具体的には,トランスブリッジ(TransBridge)を提案する。トランスブリッジ(TransBridge)はトランスフォーマーをベースとした新しいアップサンプリングブロックである。 その結果,本フレームワークは,各手法の平均精度(mAP)が0.7から1.5の範囲で,エンドツーエンドの3Dオブジェクト検出を一貫して改善していることがわかった。
  論文  参考訳（メタデータ） (2025-12-12T00:08:03Z)
• Visual Localization via Semantic Structures in Autonomous Photovoltaic Power Plant Inspection [0.6291443816903801]
  本稿では,PVモジュール検出とUAVナビゲーションを統合した新しいローカライゼーションパイプラインを提案する。 検出は、画像中の発電所構造を特定し、これらを発電所モデルと関連付けるために使用される。 本稿では,従来のコンピュータビジョン,ディープラーニング,それらの融合に基づく,PVモジュールの視覚的セグメンテーションのための3つの方法を提案する。
  論文  参考訳（メタデータ） (2025-01-24T15:48:41Z)
• 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)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)

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。