Researchers Create AI-Powered Electronic Tongue To Detect Food Freshness and Safety Instantly
宾夕法尼亚州立大学的电子舌头通过人工智能增强，通过定义自己的参数，可以检测液体中细微的变化，用于食品安全和诊断，准确率超过 95%。新开发的电子舌头可以区分类似液体的细微差别，例如含水量不同的牛奶，以及识别各种产品，[...]
A matter of taste: Electronic tongue reveals AI inner thoughts
宾夕法尼亚州立大学研究人员领导的团队最近开发了一种电子舌头，能够识别类似液体之间的差异，例如含水量不同的牛奶；各种产品，包括苏打水类型和咖啡混合物；果汁变质的迹象；以及食品安全问题的例子。他们发现，当人工智能使用自己的评估参数来解释电子舌头生成的数据时，结果会更加准确。
Predicting Soil Moisture Content Using Physics-Informed Neural Networks (PINNs)
摘要：近地表土壤含水量等环境条件是物体检测问题中的宝贵信息。然而，如果没有主动感知，通常无法以必要的规模获得此类信息。理查兹方程是一个描述非饱和土壤入渗过程的偏微分方程 (PDE)。求解理查兹方程可以得到有关土壤体积含水量、水力传导率和毛细管压力头的信息。然而，由于理查兹方程的非线性，它很难近似。有限差分法 (FDM) 和有限元法 (FEM) 等数值求解器是近似理查兹方程解的常规方法。但此类数值求解器在实时使用时非常耗时。物理信息神经网络 (PINN) 是依赖物理方程近似解的神经网络。一旦经过训练，这些网络就可以快速输出近似值。因此，PINN 在数值 PDE 社区中引起了广泛关注。该项目旨在将
摘要：准确的地形特征对于预测越野车辆的机动性非常重要。土壤强度是影响车辆机动性的重要地形特征。收集土壤强度测量值非常费力，使得现场观测变得稀疏。研究重点是使用遥感技术提供土壤强度估计，该技术可以提供大量的空间和时间估计，但结果往往不准确。过去的尝试是利用地形评估来量化干旱环境的土壤特性；然而，许多军事行动环境位于高纬度地区，其景观主要是冰川沉积物。这项研究对新英格兰劳伦泰德冰原沉积的冰川地貌进行了初步强度测量。对一系列常见的冰川地貌进行了采样，以评估剪切强度、承载能力和体积含水量。冰川冲刷地貌的平均剪切强度最高，冰川三角洲最低。土体含泥量与抗剪强度呈显着负相关，承载力与黏粒含量呈显着正相关，与
