کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4970240 1365305 2016 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Enhanced analysis of thermographic images for monitoring of district heat pipe networks
ترجمه فارسی عنوان
تجزیه و تحلیل پیشرفته تصاویر ترموگرافی برای نظارت بر شبکه های لوله حرارت منطقه
کلمات کلیدی
ترموگرافی از راه دور، طبقه بندی، تشخیص الگو، گرمایش منطقه، حرارتی مادون قرمز،
ترجمه چکیده
ما در مورد دو مشکل مربوط به نظارت هوایی در سطح وسیعی در شبکه های گرمایش مرکزی صحبت می کنیم. اولا، ما یک طرح طبقه بندی برای کاهش تعداد آلارم های دروغین در میان نشت های ناشی از فاکتور در شبکه های حرارت مرکزی پیشنهاد می کنیم. نشت ها در تصاویر گرفته شده توسط یک دوربین حرارتی هوابرد تشخیص داده شده و هر تشخیص مربوط به یک منطقه تصویر با دمای غیر طبیعی است. این روش تعداد قابل توجهی از مثبت کاذب را به دست می آورد و ما پیشنهاد می کنیم این تعداد را در دو مرحله کاهش دهیم؛ توسط (الف) استفاده از یک طرح تقسیم بندی ساختمان به منظور حذف آشکارسازی در ساختمان ها و (ب) استفاده از روش یادگیری ماشین برای طبقه بندی آثار باقی مانده به عنوان نشت واقعی یا نادرست. ما تجزیه و تحلیل تجربی گسترده ای را در داده های واقعی در جهان ارائه می دهیم، نشان می دهد که این مرحله پس از پردازش به طور قابل توجهی مفید بودن سیستم را بهبود می بخشد. دوم، ما پیشنهاد می دهیم یک روش برای مشخص کردن نشت ها در طول زمان، یعنی تکرار گرفتن تصویر یک یا چند سال بعد و مناطق را نشان می دهد که از تلفات افزایش انرژی رنج می برند. ما در مورد مشکل پیدا کردن مسیرهای تخریب شبکه های لوله ای به منظور برنامه ریزی برای نگهداری طولانی مدت، و ارائه یک طرح تجسم استفاده از جمع آوری داده های متوالی آدرس می دهیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
تجزیه و تحلیل پیشرفته تصاویر ترموگرافی برای نظارت بر شبکه های لوله حرارت منطقه
چکیده انگلیسی
We address two problems related to large-scale aerial monitoring of district heating networks. First, we propose a classification scheme to reduce the number of false alarms among automatically detected leakages in district heating networks. The leakages are detected in images captured by an airborne thermal camera, and each detection corresponds to an image region with abnormally high temperature. This approach yields a significant number of false positives, and we propose to reduce this number in two steps; by (a) using a building segmentation scheme in order to remove detections on buildings, and (b) to use a machine learning approach to classify the remaining detections as true or false leakages. We provide extensive experimental analysis on real-world data, showing that this post-processing step significantly improves the usefulness of the system. Second, we propose a method for characterization of leakages over time, i.e., repeating the image acquisition one or a few years later and indicate areas that suffer from an increased energy loss. We address the problem of finding trends in the degradation of pipe networks in order to plan for long-term maintenance, and propose a visualization scheme exploiting the consecutive data collections.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 83, Part 2, 1 November 2016, Pages 215-223
نویسندگان
, , ,