持続可能なクリーン・ポートに向けて:意味論的セグメンテーションとエッジ・デバイスに基づく煙の不透明度測定

科学分野:

• 環境科学
• 人工知能
• 海洋工学

背景:

• 船舶の煙の不透明性を手動で決定することは労働密集的で誤りやすい.
• 船舶の排出量の正確なモニタリングは環境保護と規制の遵守に不可欠です.

研究 の 目的:

• 船舶の煙の不透明性を測定するための自動化されたシステムを開発し,検証する.
• リアルタイム分析のためのエッジデバイスに人工知能 (AI) フレームワークを実装する.
• 実地での実施のための政策枠組みを提案する.

主な方法:

• 煙画像のセマンティックセグメンテーションのための4つのディープラーニングモデル (W-Net,DeepLab v3+m) の比較
• Open Neural Network Exchange (ONNX) フォーマットを使用したエッジデバイス上の最適化されたDeepLab v3+mモデルの展開.
• イメージキャプチャ,煙の不透明度測定,レポート生成,電子メール送信のためのアルゴリズムの開発.

主要な成果:

• DeepLab v3+mは,従来のモデルと比較して,セマンティックセグメンテーションとローカライゼーションで優れたパフォーマンスを示しました.
• エッジ・デバイス・システムは 画像を撮影し 煙の不透明性に関する正確なレポートを作成し メールで送信しました
• 開発されたシステムは,港の環境内で船の煙の不透明性をシームレスで自動的に検出しました.

結論:

• AI駆動のフレームワーク,特にエッジデバイス上のDeepLab v3+mは,船舶の煙の不透明性を監視するための信頼性の高い自動化されたソリューションを提供します.
• 提案された政策枠組みは,この技術の運用実務への統合を容易にする.
• このシステムにより,海上での排出量の環境モニタリングの効率と正確性が向上します.