Notice bibliographique
Résumé
We propose TEA-bot (Thermography Enabled Autonomous Robot) to address the problem of labor-intensive manual inspections of thermal leaks in Heating Ventilation and Air Conditioning (HVAC) systems while avoiding installation of sensor networks, which can be challenging and expensive for existing buildings. TEA-bot is an Unmanned Ground Vehicle (UGV) designed to navigate in ceilings using visual-based Simultaneously Localization And Mapping (SLAM) while detecting thermal leaks from HVAC systems using Convolutional Neural Networks (CNN). TEA-bot uses inexpensive 3D printed parts as the bones, a single-board computer (SBC) as the brain, an RGB-D camera as the eyes, and a thermal camera as the leak detector. We build an in-lab ceiling environment as a true-to-size testing site with five types of common leaks in HVAC systems (e.g., improper connection) to test the feasibility and effectiveness of TEA-bot. Results show that TEA-bot can 1) generate high-resolution ceiling maps in the format of point clouds for existing buildings without Building Information Models (BIMs), with an average error of 1.56 inches in duct length measurements; 2) identify leak types with a precision of 86.60% using the thermal camera images; and 3) register leaks onto the point cloud maps, providing a holistic and intuitive view of leak locations in an unknown ceiling environment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».