XiaoMi-AI文件搜索系统
World File Search System自动识别
自动识别主要物理过程
识别局部和近似主导动态系统行为的过程，使理解和建模非线性微分动态系统取得了重大进展。主导过程识别的传统方法涉及零碎和临时（非严格、非正式）缩放分析，以识别控制方程项的主导平衡并描绘每个主导平衡的时空边界（空间和/或时间边界）。我们首次提出了一个客观的全局度量，以衡量主导平衡与观测值的拟合度，这对于自动化来说是理想的，而且以前是未定义的。此外，我们以优化问题的形式提出了主导平衡识别问题的正式定义。我们表明，优化可以通过各种机器学习算法执行，从而实现主导平衡的自动识别。我们的方法与算法无关，它消除了对专家知识的依赖，可以识别事先不知道的主导平衡。
自动识别建筑物中的变形和...
图5.2 Faro Company（A）LIDAR 360O的商业地面激光扫描仪（300O视野）视会（b）LIDAR工作原理（c）从LIDAR捕获的3D数据的平面视图。（D）低分辨率和高分辨率对周围环境捕获的图像的影响（礼貌：Faro Company）。
规划和物流中的 RFID 和自动识别
本书包含的信息来自可靠且备受推崇的来源。我们已做出合理努力来发布可靠的数据和信息，但作者和出版商不能对所有材料的有效性或其使用后果承担责任。作者和出版商已尝试追踪本出版物中复制的所有材料的版权所有者，如果未获得以这种形式发布的许可，我们向版权所有者道歉。如果任何版权材料未得到承认，请写信告诉我们，以便我们在将来的重印中纠正。
使用显微成像自动识别花粉......
∗ 通讯作者。电话：0034 915 616 800 电子邮件地址：jvmarcos@gmail.com (J. Victor Marcos)、urielrnv@uxmcc2.iimas.unam.mx (Rodrigo Nava)、gabriel@optica.csic.es (Gabriel Crist´obal)、rafa@optica.csic.es (Rafael Redondo)、 boris@servidor.unam.mx (Boris Escalante-Ram´ırez)、Gloria.Bueno@uclm.es (Gloria Bueno)、Oscar.Deniz@uclm.es (´ Oscar D´eniz)、avgonzalez@externas.jccm.es (Amelia Gonz´alez-Porto)、cpardo@farm.ucm.es (Cristina Pardo)、 francois.chung@inspiralia.com（弗朗索瓦·钟）， tomas.rodriguez@inspiralia.com（汤姆·罗德里格斯）
IALA 指南第 1028 号关于自动识别...
在通过 IMO 性能标准和 ITU 的 AIS 技术特性后，还有一项标准需要制定和通过。这就是 IEC 标准，名为“IEC 61993 第 2 部分：船载自动识别系统 (AIS)。操作和性能要求、测试方法和所需的测试结果”。主管部门将使用此标准对安装在适用 SOLAS 第 V 章的船舶上的 AIS 设备进行“型式批准”。IEC 技术委员会 80 工作组 8 (IEC/TC80/WG8) 开展了这项工作，该标准于 2001 年通过。例如，它包括以下内容：
快速、自动识别单个活脑细胞
神经细胞的形状像幼苗：大而圆的种子（细胞体）被一簇卷曲的根（树突）包围，而一根长茎（轴突）则向另一个方向延伸。这张图片以椭圆形显示了不同动物之间某些神经元细胞体位置的变化。每个神经元都是随机着色的。神经元在图中从上到下、从左到右排列，因为它们在线虫中的位置是从鼻子到尾巴（前后）和从背部到腹部（背腹）。来源：CC BY-ND 4.0 Toyoshima 等人，2020 年，DOI：10.1186/s12915-020-0745-2
校正：人工智能的利用来自动识别美术
本文的资金声明是不正确的。正确的资金声明如下：这项研究得到了上海文化和教育融合项目（中国）以及教育部（中国）的意识形态和政治演示课程的支持。作者和PLOS一位编辑希望告知读者，[1]的参考文献6于2024年8月10日[2，3]撤回，而本文[1]正在审查中。在引言中引用了缩回的条款[2]，并且它的撤回似乎不会影响本文的可靠性或有效性[1]。我们拒绝在发布之前确定这个问题。
通过卷积神经网络自动识别土壤真菌和 Chromista
土壤微生物的鉴定在农业和园艺中起着至关重要的作用，因为它可以监测有益物种并尽早发现病原体。在本研究中，我们提出了一种利用机器视觉和机器学习技术（特别是卷积神经网络）的系统，根据显微图像和形态特征自动识别不同的真菌和 Chromista。我们的系统旨在提供一种经济高效的病原体检测方法，改善农业系统的整体健康和生产力。我们使用土壤微生物数据集进行了实验，并使用精度、召回率和 F1 分数度量评估了分类器的性能。尽管存在类别不平衡和子图像检索不完善等挑战，但分类器仍取得了令人鼓舞的结果，总体精度为 82%，表明正确预测所有类别的正实例的准确率很高。此外，采用多数投票方案显著提高了分类器的性能，解决了代表性不足的类别问题。增强的结果显示平均精度和 F1 分数为 97%。我们的工作突出了 CNN 在土壤微生物识别方面的潜力，并为未来扩大数据集和纳入更广泛的微生物属的研究铺平了道路。
自动识别特定局部皮质折叠模式
对局部皮质折叠模式的研究表明，其与精神疾病以及认知功能存在关联。尽管目前已有可视化 3D 皮质折叠的工具，但手动分类局部脑沟模式仍然是一项耗时且繁琐的任务。事实上，折叠的 3D 可视化有助于专家识别不同的脑沟模式，但折叠变异性非常高，以至于区分这些模式有时需要定义复杂的标准，这使得手动分类变得困难且不可靠。但是，评估这些模式对皮质功能组织的影响可能会受益于对大型数据库的研究，尤其是在研究罕见模式时。本文提出了几种自动分类折叠模式的算法，以便扩展和确认此类大型数据库上的形态学研究。提出了三种方法，第一种方法基于支持向量机 (SVM) 分类器，第二种方法基于非局部图像块估计器评分 (SNIPE) 方法，第三种方法基于 3D 卷积神经网络 (CNN)。这些方法足够通用，适用于各种折叠模式。它们在两种目前没有自动识别方法的模式上进行了测试：前扣带皮层 (ACC) 模式和电源按钮标志 (PBS)。这两种 ACC 模式几乎同样存在，而 PBS 在一般人群中是一种特别罕见的模式。提出的三种模型在 ACC 模式分类中实现了大约 80% 的平衡准确率，在 PBS 分类中实现了大约 60% 的平衡准确率。基于 CNN 的模型由于其执行速度快，更适合 ACC 模式分类。然而，基于 SVM 和 SNIPE 的模型在管理 PBS 识别等不平衡问题方面更有效。
利用自动识别跟踪系统汇编作战现场和结构数据
16.摘要 马里兰州公路管理局 (SHA) 材料技术办公室 (OMT) 确保马里兰州道路系统上使用的材料质量符合批准的规范和标准，并经过适当设计、生产和建造。OMT 的材料质量部门分为沥青技术、混凝土技术、土壤和骨料技术以及结构材料和路面标记部门。每个部门负责运输设施建设中使用的材料的质量保证/控制测试、评估和许可。从现场对材料进行采样开始，这些材料的管理依赖于一系列密集的人工过程，包括样品收集和交付、书面报告和日志簿，以记录材料的实验室测试结果并跟踪物流信息。当材料在六个不同的实验室中移动时，材料信息被分别手动记录到本地网络数据库和材料管理系统 (MMS) 中。通过集成自动识别技术 (AIT)，可以简化当前生成样本报告和手动数据输入过程中所需的人力参与量。本研究调查了过去将 AIT 应用于土木工程和建筑应用的情况，以详细说明对 OMT 现有材料清关和 MMS 流程的必要修改；以及 AIT 系统硬件建议、软件开发和集成注意事项、估计投资成本和估计投资回报。17.关键词 自动识别、条形码、RFID、资产跟踪、资产监控、材料管理系统、材料清关流程