XiaoMi-AI文件搜索系统
World File Search System表面条件
遥感技术以识别自动驾驶汽车的道路表面条件
[2] M. Yamada等人，“对车辆部署的道路表面状况检测技术的研究”，JSAE Review，2003，24（2）：183-188。[3] L. Colace等人，“一种近红外的光电方法来检测道路状况”，《工程学的光学和激光》，2013年，51（5）：633-636。[4] R. Finkele，“使用76 GHz的极化毫米波传感器在路面上检测冰层”，《电子信》，1997，33（13）：1153-1154。
使用和比较深度学习方法来检测自动驾驶汽车的夜间道路表面条件
摘要：目前，在这些自动驾驶汽车上的现有传感器无法很好地检测到自动驾驶汽车之前的道路表面状况。但是，应确保白天和黑夜的天气引起的道路状况。对深度学习的调查，以识别当天的道路表面状况，是使用车辆前面嵌入式摄像头收集的数据进行的。深度学习模型仅在当天被证明是成功的，但迄今为止尚未对它们进行评估。这项工作的目的是提出深度学习模型，以检测在夜间在自动驾驶汽车前的天气造成的在线道路表面条件，其精度很高。在这项研究中，使用性能比较，将不同的深度学习模型，即传统的CNN，Squeezenet，VGG，Resnet和Densenet模型。考虑到现有夜间检测的当前局限性，本文研究了不同路面的反射特征。根据功能，夜间数据库是带有或没有环境照明的。这些数据库是从几个公共视频中收集的，以使所选模型更适用于更多场景。此外，根据收集的数据库对选定的模型进行培训。最后，在验证中，这些模型对夜间干燥，潮湿和雪道的表面条件进行分类的准确性可高达94％。
根据硅死亡的表面条件的断球测试...
抽象研究了厚度和表面研磨条件对厚度低于100 µm的Si晶片的断裂强度的影响。通过球断裂强度测量每个晶片的大约330个模具（尺寸：4 mm×4 mm）。为了对骨折强度的统计分析，从Weibull图中确定了比例因子。断裂器断裂强度随着sil-icon死亡厚度的降低而增加。对于不同表面条件的硅死亡，断裂，地面（＃4800）和地面（＃320砂砾）标本的硅断裂强度很高。概率断裂强度（即比例因子）随着硅死亡的表面粗糙度的降低而增加。（2013年5月27日收到； 2013年6月7日修订； 2013年6月17日接受）