XiaoMi-AI文件搜索系统
World File Search System地理定位
电力线检查 - Zymestic Solutions
集成 Sharper Analyzer 软件。LiDAR 点云数据自动处理，识别和地理定位输配电资产。该软件通过算法检测和分类整个检查区域的植被问题。
前里韦萨尔特斯营地：国家启动地理定位和挖掘行动，以确定墓地的位置
感谢 INRAP 考古学家的研究，有关墓地潜在位置的重要线索已经出现并可得到验证。 2022 年，国家在前圣莫里斯拉杜瓦斯 (Saint-Maurice l'Ardoise) 营地遗址上开展了类似的行动，并于 2023 年 3 月 20 日确定了营地哈基斯儿童墓地的所在地，并确认了遗骸的存在。
空间技术在可持续发展目标中的应用
太空是激励女孩和妇女从事科学、技术、工程和数学职业的领域。在导师指导计划中，将女性榜样和领导者与学生和毕业生联系起来，可以提高妇女和女孩在这些领域的参与度。诸如地理定位等空间技术也是消除性别暴力的重要因素。
新闻稿_卫星首次测试成功……
Unseenlabs 是全球领先的海上监视射频（RF）数据和解决方案提供商。其独特的专有技术可以随时对海上任何船只进行地理定位和特性分析，无论其在地球上的位置和天气条件如何。 Unseenlabs 为客户提供高附加值数据和解决方案，尤其是打击海上非法活动。Unseenlabs 的解决方案是该领域的全球典范。
新闻稿
Unseenlabs 联合创始人 Clément 和 Jonathan Galic 表示：“继 2018 年首轮 750 万欧元融资后，我们很自豪地宣布第二轮 2000 万欧元融资。2020 年对 Unseenlabs 来说是丰收的一年。这让我们确认了我们模式的可行性以及我们产品对市场参与者的益处。新一轮融资将使我们能够加快推出我们的卫星星座，到 2025 年，我们的卫星星座将由 20-25 颗纳米卫星组成；支持我们地理定位服务的发展；并提高我们在国际舞台上的影响力。这显然是我们规模的改变。在迈出这一步的同时，我们很高兴能够继续依靠许多历史合作伙伴的支持，同时欢迎新合作伙伴的加入，我们对他们的信任表示感谢。” Unseenlabs 由兄弟兼航空工程师 Clément 和 Jonathan Galic 于 2015 年创立，于 2019 年 8 月发射了首颗纳米卫星。此后，公司不断发射新卫星，如今已成为欧洲海上船舶卫星射频 (RF) 地理定位领域的领导者。利用其基于识别船舶发射的电磁波的专有船载技术，Unseenlabs 能够从太空对任何海上船只进行近乎实时的地理定位，误差在 1 公里以内。其目标是到 2025 年建立一个由 20-25 颗纳米卫星组成的星座，并且随着每颗新卫星的发射，Unseenlabs 星座的性能都会提高。本轮融资总额为 2000 万欧元，由 360 Capital 基金进行，该基金在欧洲以其在“深度科技”方面的专业知识而享有盛誉；Omnes 正在积极继续推出其“深度科技”基金；以及投资于帮助恢复海洋健康的创新公司的 Blue Oceans Partners。参与新一轮融资的还有我们的历史投资者 Definvest 基金（由 Bpifrance 代表法国武装部队部管理）和 Breizh Up（布列塔尼地区委员会的投资基金，由 ERDF 支持并由 Sofimac Innovation 管理），他们自 2018 年第一轮 750 万欧元融资以来一直与我们在一起。
未来的建筑如何实现认知飞跃？
在过去十年中，建筑管理技术呈指数级发展。这些发展包括传感器和应用程序的相互作用，以实现建筑控制用例，例如智能供暖、通风和空调 (HVAC) 系统、智能照明、地理定位导航、空间利用、能源管理和居住者安全等。然而，如果要充分发挥认知建筑的潜力，这些应用不仅需要技术维度，还需要人文维度。认知建筑应该测量、监控和改善人类在建筑环境中的体验，而不仅仅是提高效率和降低成本。
利用智能手机开展众包项目
a Hochschule für Technik Stuttgart，Schellingstr 24，70174 Stuttgart，德国 - (eberhard.guelch，shohrab.uddin)@hft-stuttgart.de b Imkerverein Waiblingen e.V.Waiblingen，德国 - bernhardwilli@web.de ICWG III/VII 关键词：花朵识别、蜂蜜产量网络门户、地理定位、无人机 摘要：Beesmart 项目旨在利用智能手机的众包方法推导出蜜蜂的地理定位产量目录。因此，核心问题是智能手机应用程序 (App2bee) 的设计以及花朵识别软件的设计，该软件使用智能手机的传感器信息和开花时间信息来识别和定位花朵。实施的花卉识别基于“最小视觉词袋”方法。分类准确率可达到约 60-70%，当然，这受花卉种类繁多的影响，也受图像拍摄方式以及图像质量和分辨率的影响。通过在触摸屏上应用先验简单的手动分割将图像焦点放在所讨论的花朵上，分类结果得到进一步改善。介绍了 App2Bee 的设计和功能，然后详细介绍了通信、数据库和 Web 门户组件。在项目的第二部分，使用固定翼无人机系统研究对蜜蜂很重要的较大花卉区域的分类，该系统配备两种不同类型的相机，即 RGB 数码相机和 NIR 数码相机。当然不可能识别单朵花，但可以证明，相同花朵的较大花田，例如红三叶草，可以用这种方法进行分类。利用现有数据，还可以对裸地、道路、低牧场、高牧场以及混合牧场进行分类。对于高牧场，可以自动识别花簇，如蓍草。1.简介
SIDU MCO-T 通讯 - Electroclass
连接以跟踪设备的使用寿命以及为什么不进行地理定位。 8. 改变信息形式：让技术人员有机会以 3D 方式概览设备及其所有组件。 9. 创建专业词典：可在单一文献空间和 IS 中在线查阅。 10. 访问和配置文件的简化：在IS中从一个业务配置文件导航到另一个业务配置文件以及软件包之间的互连。如果我们想正确看待一切，那么我们已经在朝这个方向采取行动了。我们有实施“MCOT PORTAIL”和安装 RFID 标签的例子……。 MCO-T数字化列车确实正在行驶，我们并没有停留在平台上。