XiaoMi-AI文件搜索系统
World File Search System全自动
以数据为中心的AI：透视和挑战
段的成功在很大程度上归因于一个带注释的数据集，该数据集的数据集超过10亿个掩码，该数据集比现有的数据集大400倍。段的任何东西都具有标签的三个阶段：辅助手动阶段，半自动阶段和全自动阶段。
. 公共帐目委员会 (1 975-76)
“1.33. 国防部拥有四台喷砂机，其中两台于 1921 年购买，两台于 1942 年购买。这些是常规类型的喷砂机。国防部承认，工厂“A”没有使用全自动电子控制喷砂机的经验，例如 1964 年 1 月根据 DGS&D 的订单采购的喷丸设备。委员会注意到，根据工厂“A”于 1964 年 1 月订购的四台喷砂机订单，DGS&D 根据订单方的建议，于 1965 年 4 月向一家公司订购了两台喷丸设备。订单方表示，他们更喜欢喷丸机而不是喷砂机，因为后者会对操作机器的人的健康造成危害。”委员会有些惊讶地注意到，尽管他们没有使用全自动喷丸机的经验，但工厂“A”批准采购两台这样的设备，而他们最初订购了四台喷砂机。1966 年 7 月至 8 月期间，工厂收到的设备中缺少一些零件，又花了两年时间才提供缺少的零件。
无人机数字式执行器自动测试系统设计...
杨涛 * ，柴立人，王刚 中国航天空气动力研究院，北京 100074 * 通讯作者 摘要：针对无人机数字作动器测试问题，该作动器是无人机的关键部件之一，其静动态性能直接影响无人机的机动性能，本文研究了一种全自动数字作动器测试系统，介绍了该系统的硬件和软件设计方案，并进行了应用演示。该系统以 TI 双核微控制器 TMS28377D 为核心，拥有 RS422、RS485、RS232、CAN Bus 等广泛应用于数字作动器的丰富通信接口。此外，测试系统还连接旋转增量式编码器，提供数字作动器的实际位置信息，以及 SD 卡用于实时记录数据。测试系统通过以太网通信与上位机通信，上位机发送命令并接收反馈。本文设计的全自动数字作动器具有可靠性高、升级方便等优点。该自动测试系统在无人机数字执行器的研制、生产和仓储中有着巨大的潜力。
solarwatt电池flex AC-1 1.3（6.0 kW）
电池挠性增加了能量自给自足。通过交流传感器，该系统测量能量消耗和产生的能量的盈余。当从公共网格中购买能量时，电池flex会收到用于排放的信息。一旦检测到无法消耗的生产能量的盈余，就会充电储存（全自动控制策略）。
原创研究通过深度学习 AI 对恶性胸膜间皮瘤进行全自动体积测量：验证并与修改后的 RECIST 反应标准进行比较
摘要背景在恶性胸膜间皮瘤 (MPM) 中，复杂的肿瘤形态导致放射学反应评估不一致。有前景的体积方法需要自动化才能实用。为此，我们开发了一个全自动卷积神经网络 (CNN)，进行了盲法验证，并比较了 CNN 和人类对化疗患者的反应分类和生存预测。方法在一项多中心回顾性队列研究中；183 个 CT 数据集被分为训练和内部验证（123 个数据集（80 个完全注释）；108 名患者；1 个中心）和外部验证（60 个数据集（全部完全注释）；30 名患者；3 个中心）。使用详细的手动注释来训练使用二维 U-Net 架构的 CNN。使用相关性、Bland-Altman 和 Dice 一致性来评估 CNN 性能。体积反应/进展定义为≤30%/≥20% 的变化，并通过 Cohen 的 kappa 与修改后的实体肿瘤反应评估标准 (mRECIST) 进行比较。使用 Kaplan-Meier 方法评估生存率。结果人类和人工智能 (AI) 的体积呈高度相关性 (验证集 r=0.851，p<0.0001)。一致性很强 (验证集平均偏差 +31 cm 3 (p=0.182)，95% 限制 345 至 +407 cm 3 )。偶尔出现的 AI 分割错误 (4/60 验证病例) 与裂隙肿瘤、对侧胸膜增厚和邻近肺不张有关。在 20/30 (67%) 验证病例中，人类和 AI 体积反应一致 κ =0.439 (0.178 至 0.700)。 AI 和 mRECIST 在 16/30 (55%) 验证案例中一致 κ =0.284 (0.026 至 0.543)。较高的基线肿瘤体积与较短的生存期相关。结论我们已经开发并验证了第一个用于体积 MPM 分割的全自动 CNN。通过用形态学上具有挑战性的特征丰富未来的训练集，CNN 性能可能会进一步提高。体积反应阈值需要在未来的研究中进一步校准。
美国国家航空航天局 (NASA) 逐步采用 COTS EEE 部件
操作条件下，在发货给客户之前已投入生产。此外，制造商必须在批量生产之前完成零件数据表中列出的所有操作条件的多批次特性分析。因此，生产测试限值针对典型测试条件设定，足以保证零件满足数据表上所有参数的性能规格；• 采用统计过程控制在全自动生产线上生产
智能车载交互技术
特斯拉、宝马、戴姆勒等汽车制造商，以及谷歌的 Waymo 和 Apple Car 等大型科技巨头都在向全自动驾驶目标迈进。根据 SAE J3016 自动驾驶分类法 [1]，自动驾驶系统分为六个级别，从 0 级（完全手动）到 5 级（全自动驾驶 [FSD]），这些系统有望在所有地理位置、所有天气条件和所有条件下运行。智能汽车的好处包括减少道路事故、提高安全性、缓解交通拥堵、有效利用通勤时间，以及更重要的是提供愉快舒适的乘坐体验。随着自主性的提高，驾驶员也扮演着乘客的角色，从事非驾驶活动，无法参与交通互动。这会增加混合自动驾驶交通环境的复杂性，因为与行人和骑车人的互动是基于驾驶员的视觉提示。因此，智能汽车还需要自主地与其他交通参与者（如行人、骑车人和其他车辆）进行互动。人车交互 (HVI) 与人机交互 (HRI) 领域密切相关。它涉及理解和塑造人车之间交互动态的问题。具体而言，交互领域涉及感觉、知觉、信息交换、推理和
引用/参考：Gülay, E. & İçer, S. (2020)。评估肺炎患者和健康个体的肺大小。欧洲科学技术协会
近年来，医学图像分割研究和对这一问题的需求正在迅速增加。医学图像中待诊断区域的半自动或全自动分割为医生的诊断提供了重要的便利。特别是在一些缺乏医生的国家，将提供全自动分割方法，以在没有医生的情况下协助治疗。在本研究中，研究了肺炎患者和健康个体的肺部X射线图像。X射线图像具有优势，因为它们比其他成像方法更便宜且更容易解释。X射线图像是从现成的数据集中获取的，图像集由5岁以下儿童的胸部X射线图像组成。从收到的数据集中研究了总共15个人（5名健康人，5名肺炎（病毒）患者，5名肺炎（细菌）患者）。MATLAB程序用于肺部区域分割。为了进行分割，首先将图像放入MATLAB后缩小到合适的尺寸。然后，通过增加图像的对比度，使用适当的滤波器设计进行滤波和阈值处理。使用图像分割工具进行阈值处理。与其他研究不同，使用主动轮廓法进行肺分割。主动轮廓操作通过在肺边界内外绘制倾斜来实现能量最小化，迭代持续到达到平衡，从而确定肺边界。在主动轮廓程序之后，应用形态学程序，去除肺部区域并计算面积。结果，使用主动轮廓模型和图像处理程序进行半自动分割。患者和健康个体的肺部大小之间存在显着差异。旨在开发一种全自动分割算法，该算法可在未来推广到每个患者。关键词：胸部X光（CXR），肺炎，MATLAB，分割，主动轮廓模型（ACM）
ViaForm® 系列材料
ViaForm 化学品由 MacDermid Enthone 位于美国康涅狄格州西黑文的大批量生产 (HVM) 设施和先进研究设施生产。HVM 具有计算机集成制造功能，包括全自动、封闭的化学品配送和专用加工流。它确保严格的批次间控制和一致性，可轻松满足全球苛刻的制造要求。
G7数字和科技部长会议参展商名单
展出了从加工前的材料设定、刀具的拆卸和安装等设定工作，到加工后的工件的取出和精度检查，全天 24 小时无人操作的全自动切割机。此外，还将展示一系列通过无线通信从 PC 发送加工命令以无人操作生产精密零件的动作，介绍日本的智能工厂技术，以应对多品种、少量生产趋势。