XiaoMi-AI文件搜索系统
World File Search System画像
“AI起重机摄像机人体检测系统”简介
■ 简介 - 用起重机摄像机拍摄的图像 - 起重机摄像机安装在吊臂顶部并俯视地面，因此监视器上显示的人像非常小。如果操作员专注于驾驶，他们可能会忽视这一点，这是一个风险。为了充分发挥起重机摄像机的作用，我们利用基于人工智能的图像识别技术，识别起重机摄像机（监视器）上捕捉到的人和物体，并发出警报（监视器上的画面、警告音等）。开发了一种系统来检测
利用人工智能的路面检测方法研究
• Ryuichi Imai、Kenji Nakamura、Yoshinori Tsukada、Daigo Ito 和 Tetsuhiko Kurihara：使用行车记录仪图像进行深度学习的道路路面裂缝评估方法研究，《日本土木工程师学会期刊》、《JSCE F3（土木工程信息学）会议论文集》，日本土木工程师学会，第 77 卷，第 2 期，第 I_67-I_76 页，2021 年。
令和5年度第1回讲演会人工知能（Artificial Intelligence） ...
自 2010 年代以来，人工智能主要在识别领域取得进展，例如面部和语音识别，但最近，生成图像和语言的生成人工智能也取得了快速进展。生成式人工智能有望改变我们生活的许多方面，包括工业、政府、教育和娱乐。在这里我们考虑如何处理这种生成性人工智能。
孟加拉国水稻研究所
第一部分 11.00 尊敬的总理抵达 11.05 向孟加拉国国父画像致敬 11.10 释放挂绳和气球 11.15 孟加拉国国父 - 皮埃尔·特鲁多农业技术中心揭幕 11.20 参观孟加拉国水稻研究所的创新成果第二部分 11.45 主宾抵达活动现场 11.46 抒情歌曲“Dhankavya” 11.56 欢迎致辞 孟加拉国水稻研究所所长 Md. Shajahan Kabir 博士 12.00 播放纪录片《孟加拉国水稻研究所 50 年的辉煌与成功》 12.05 特邀嘉宾致辞 加拿大全球粮食安全研究所首席执行官兼执行董事 Steven Webb 博士 菲律宾国际水稻研究所所长 Jean Balié 博士 孟加拉国农业研究理事会执行主席 Sheikh Mohammad Bokhtiar 博士农业部秘书长瓦希达·阿克特 (Wahida Akter) 12.25 农业部部长穆罕默德·阿卜杜勒·拉扎克 (Muhammad Abdur Razzaque) 议员致辞 12.35 向总理赠送徽章 12.40 为孟加拉国水稻研究所和孟加拉国农业研究委员会的 5 本书籍揭幕 12.45 孟加拉人民共和国政府首席嘉宾谢赫·哈西娜 (Sheikh Hasina) 议员致辞
人工智能为何突然变得如此聪明？接下来会发生什么？
• OpenAI 于 2022 年 11 月发布基于大型语言模型 (LLM) 的聊天机器人 • OpenAI 是 Sam Altman、Elon Musk 等人于 2015 年底创立的人工智能研究机构。微软还投资 • 开发从自然语言生成图像的模型 DALL-E 和语音识别模型 Whisper • 总部位于旧金山
利用人工智能（AI）支持污水处理厂的运营
（1）国土交通省网站：碳零排放社会贡献分科委员会第 1 次会议资料（2021 年 10 月 1 日） http://www1.mlit.go.jp/mizukokudo/sewerage/mizukokudo_sewerage_tk_000734.html（2022 年 1 月 21 日） （2）高濑伸明等：“利用卷积自动编码器进行污水处理设施的异常检测”，DIA2020 动态图像处理实用研讨会，第 276-282 页，2020 年 （3）木村优希等：“基于 AI 的污水处理厂运行决策技术的验证”，第 57 届下水道研究会议论文集，第 889 页，2020 年
人工智能诊断草莓重要害虫的田间示范
对农业实验站田间采集的3,203幅病害数据图像进行了诊断，准确率较高，为79~99%，但对于导致叶片表面出现褐变症状的白粉病，由于数据量较少，准确率较低，仅为25%（表2）。对2,275张虫害图像数据进行了诊断。结果显示，蓟马（果实）、蚜虫（果实）、粉虱（叶背）在图像中拍摄到健康区域时诊断结果为健康的可能性较大，准确率较低。但其他虫害的准确率较高，在81%~100%之间（表3）。现场诊断结果与农业实验站现场诊断结果的准确率相似（未显示数据）。当检查使用智能手机诊断应用程序在现场拍摄的 632 张病害照片和 179 张虫害照片时，准确率大致相同（表 4，图 1）。对于推广讲师对诊断应用程序的可用性，应用程序的评价普遍良好，具有操作流程简单易懂、图标大且易于使用等特点。
流派分类基于听音乐时脑电波的频率分析-Wiss
大脑计算机接口（BCI）作为未来用户界面引起人们的注意。当使用人脑活动作为BCI时，具有反应性优势的运动召回已成为主流。例如，Nishimoto及其同事开发了BCI，在召回手指的开口和关闭期间，将大脑运动皮层的激活应用于康复和其他目的[8]。此外，刺激接受期间的大脑活动和视听信息的回忆也可能适用于BCI。视觉研究的研究可用于在查看错觉图像时根据大脑活动重建图像[3]。听力研究的例子包括基于脑波的方向取向，听取简单的语音和回忆[5]，重建元音“ A”和“ I”时脑波中的“ A”和“ I”，以及召回语音[1]的重建以及FMRI图像中的自然语音[9]。这些相关研究表明，当用户将BCI用作日常生活中的娱乐时，召回对象可能很无聊，并且用户可能会发现它很痛苦。因此，我们提出了一种使用音乐的方法。召回音乐的行为，例如嗡嗡声，是日常生活中的一种常见习俗，并且不如运动召回，图像回忆或简单音调，元音和自然声音的单曲无聊。因此，人们认为这可能会减轻用户的负担。此外，在音乐分类问题中，我们专注于流派分类问题。通过专注于小说，可以根据音乐之间的共同特征将无数音乐分为较小的数字。因此，我们认为分类类别较少，可以简单地作为分类问题。
推动地方政府使用人工智能和机器人流程自动化
在2018年度的调查中，“通过聊天机器人进行响应”（55例）是最常见的解决方案，但在2019年度的调查中，用于记录会议纪要的AI等“语音识别”（157例）和AI-OCR等“字符识别”（120例）位居榜首，预计将占总采用数量的一半以上。排名前三的领域（语音识别、文字识别、聊天机器人应答）正在各个规模的城市得到推广，但排名后四的领域（匹配、最优解决方案显示、图像/视频识别、数值预测）即使在都道府县级别也很少有实施。总体来看，AI引入商业工具的进程正在不断推进，但引入有助于真正提高商业效率的AI仍面临挑战。
2024财年地球观测技术研究委员会项目“未来卫星...
结合SAR卫星数据和AI技术的灾害监测技术正在发展。这将使我们能够广泛且高度准确地了解地表运动和损坏情况，并有望为快速采取防灾减灾措施做出贡献。具体来说，正在开发各种应用，包括使用卫星 SAR 监测土壤运动、通过将时间序列 SAR 干涉测量与地质信息相结合来可视化边坡灾害风险、以及使用 SAR 图像和人工智能提取地面和建筑物的损坏情况。特别是将SAR不受天气和时间影响的特性与AI先进的分析能力相结合，可以实现以往难以实现的广域、及时的灾害监测。