XiaoMi-AI文件搜索系统
World File Search System裂缝
关于在裂缝检测中使用人工智能的审查
人工智能（AI）使用最少人工干预的计算机模拟智能行为。AI的最新进展，尤其是深度学习，在感知操作方面取得了重大进展，使计算机能够更准确地传达和理解复杂的输入。在全球范围内，裂缝会影响各个年龄段和地球所有地区的人们。最普遍的诊断和医疗诉讼的原因之一是急诊室拍摄的X光片的骨折，急诊室的骨折可能在2％至9％之间。由于对多种成像方式的破裂检测需求的增长，劳动力将很快受到很大的压力。由于雇用延迟和接近退休的放射科医生的很大一部分，放射科医生的缺乏使这种需求的增长加剧了。此外，解释诊断图像的过程有时可能具有挑战性和乏味。将骨科无线电诊断与AI整合，为这些问题提供了有希望的解决方案。最近，深度学习技术的应用，即卷积神经网络（CNN），在医学成像中的应用显着上升。在骨科创伤领域中，正在记录CNN，以在骨折的识别和分类中以专家骨科医生和放射科医生的熟练程度运作。CNN可以以超过人类观察的速率分析大量数据。在这篇综述中，我们讨论了深度学习方法在断裂检测和分类中的使用，将AI与各种成像方式的集成以及将AI与无线电诊断相结合的好处和缺点。
玻璃裂缝相位模型中的挑战
本文研究了模拟玻璃骨折中相位模型的挑战和潜力。相位场方法是断裂建模的变分方法，将裂纹视为扩散的界面，从而消除了对显式裂纹跟踪的需求。这项研究探索了其对玻璃的应用，玻璃具有独特的裂缝特性，由于其无定形结构和脆性。我们使用ABAQUS实施了AT1相位模型，并针对各种实验设置进行了验证，包括微型计算机和微柱测试，L形样品以及动态的拉伸裂缝场景。结果表明，与实验观察结果有很强的比对，可以准确捕获复杂的裂纹模式和动态断裂行为。关键参数（例如临界能量释放速率和内部长度尺度）显示出显着影响断裂模拟结果。虽然相位方法在推进玻璃断裂力学方面表现出希望，但挑战仍然存在于参数敏感性和整合更复杂的材料模型中。本研究强调了该方法的当前功能，并指出了未来的研究方向，以提高其在玻璃断裂模拟中的适用性和效率。
寻找裂缝：人工智能在军事应用的新视角
亚当斯，道格拉斯。终极搭便车指南。完整且未删节。纽约：Wings Books，1996 年。 Ben Jiang。“中国科技老兵在 ChatGPT 狂潮中投身人工智能初创企业。”南华早报，2023 年 4 月 7 日。https://www.scmp.com/tech/tech-trends/article/3217457/chinese-tech-veterans-jump-ai-start-ups-amid-chatgpt-frenzy。 克劳塞维茨，卡尔·冯。论战争。迈克尔·艾略特·霍华德和彼得·帕雷特主编。第一次平装印刷。新泽西州普林斯顿：普林斯顿大学出版社，1989 年。 哈夫，达雷尔和欧文·盖斯。如何用统计数据说谎。诺顿平装再版。纽约：诺顿，1993 年。 Ian Bogost。“ChatGPT 比你想象的还要愚蠢。”大西洋月刊 (在线)，2022 年 12 月 7 日。https://www.theatlantic.com/technology/archive/2022/12/chatgpt-openai-artificial- intelligence-writing-ethics/672386/。李开复。人工智能超级大国：中国、硅谷和新世界秩序。纽约霍顿·米夫林·哈考特出版社，2018 年。迈克尔·拉里斯。 “致命的特斯拉车祸与技术和人为失误有关”，《华盛顿邮报》[在线]，2020 年 2 月 25 日。https://www.washingtonpost.com/local/trafficandcommuting/deadly-tesla-crash-tied-to-technology-and-human-failures-ntsb-says/2020/02/25/86b710bc-574d-11ea-9b35-def5a027d470_story.html。奥尼尔，凯茜。数学毁灭武器：大数据如何加剧不平等并威胁民主。第一版。纽约：Crown，2016 年。肖天亮。军事战略学。楼耀良、康武超、蔡仁钊主编。北京，中国：国防大学出版社，2020 年。
大型地下基础设施的自动像素级裂缝监测系统——欧洲核子研究中心的案例研究
在混凝土隧道衬砌中，裂缝通常在严重且无法忍受的使用寿命损坏之前出现和发展，这是结构退化的早期迹象。监测和评估裂缝空间分布可以突出长期隧道结构行为并促进隧道维护。本研究描述了一种使用机器人安装的成像技术在像素级范围内进行裂缝监测的远程自动化系统。该系统远程收集裂缝图像并将它们拼接在一起以创建隧道表面的全景图像。本研究采用迁移学习，对具有轻量级主干的最先进的语义分割模型 DeepLab V3plus 进行微调和改进，以自动检测裂缝。在全景图上实施了一种新颖的平滑混合预测方法，以呈现长距离隧道裂缝分布，从而缓解高分辨率图像推理中遇到的错误分类问题。此外，根据 CERN 隧道裂缝数据库特征，已经开发了迁移学习、定制损失函数和正则化技术，以保持所提方法的高性能和泛化。在 CERN 隧道中进行的现场试验证明了所提出的裂缝监测系统的可行性。结果表明，所提出的系统可以识别严重裂缝损坏的隧道段和特定的裂缝模式，这与隧道衬砌的结构行为有关。
地质裂缝网络的量子算法
洛斯阿拉莫斯国家实验室是一家采取平权行动/提供平等机会的雇主，由 Triad National Security, LLC 为美国能源部国家核安全局运营，合同编号为 89233218CNA000001。通过批准本文，出版商承认美国政府保留非独占的、免版税的许可，可以为了美国政府的目的出版或复制本文的已发表形式，或允许他人这样做。洛斯阿拉莫斯国家实验室要求出版商将本文注明为在美国能源部的支持下完成的工作。洛斯阿拉莫斯国家实验室坚决支持学术自由和研究人员的发表权利；但是，作为一个机构，实验室并不认可出版物的观点，也不保证其技术上的正确性。
原位拉伸观察退火对激光添加剂制成的钛合金裂缝行为的影响
近年来，激光添加剂制造（LAM）技术引发了航空航天场的制造革命[1，2]。该技术使用高能激光束融化合金粉末。熔融池是连续形成的，然后迅速形成固体，从而将层沉积到近乎网络的金属成分[3]。钛合金作为重要的结构金属具有高强度，高韧性，低密度和良好耐腐蚀性的优势[4-6]。使用LAM准备钛合金零件有望获得高性能和高质量的关键组件。钛合金零件在LAM过程中经历了高温梯度和高冷却速率，从而导致与传统材料的微观结构差异很大。通常，在先前的β晶粒中存在α相，马氏体α'相或两者的混合物，并且连续α相也沿先前的β晶界嵌入[7-9]。Carroll等。 [10]报告说，晶界α相和先前的β晶粒形态引起了添加性生产的钛合金的各向异性机械性能。 此外，具有高强度和低韧性的α相导致形成部分的强度和韧性不匹配[11]。 通过热处理过程，可以有效地控制阶段的形态，大小和比例，从而获得良好的机械性能[12-15]。 Yadroitsev等。 [16]报告说，在β相过渡温度附近产生了大量球形α相。 Zhao等。Carroll等。[10]报告说，晶界α相和先前的β晶粒形态引起了添加性生产的钛合金的各向异性机械性能。此外，具有高强度和低韧性的α相导致形成部分的强度和韧性不匹配[11]。通过热处理过程，可以有效地控制阶段的形态，大小和比例，从而获得良好的机械性能[12-15]。Yadroitsev等。 [16]报告说，在β相过渡温度附近产生了大量球形α相。 Zhao等。Yadroitsev等。[16]报告说，在β相过渡温度附近产生了大量球形α相。Zhao等。Zhao等。[17]通过控制冷却速率，获得了两种类型的篮子编织和菌落结构的微观结构。拉伸结果表明，前者具有更高的强度和韧性，这可能归因于篮子编织结构中的层状α相，从而有效地减少了脱位长度并分散局部应力浓度。但是，由于缺乏在拉伸过程中微观结构演变的观察，变形和失败
通过在史密森尼国家自然历史博物馆收集陆地节肢动物来增强DNA条形码参考库黑暗分类墙中的另一个裂缝：富含物种和普通的eurytomidae（膜翅目，chalcidoidea）的定制DNA条形码方案
DNA条形码是加速物种鉴定和补充物种划界的绝佳工具。此外，DNA条形码参考文献是生物多样性监测，保护或生态学中任何元法编码研究的决定性主链特征。但是，在某些分类单元中，DNA条形码不能以令人满意的成功率产生，因此这些群体将在任何基于条形码的物种清单中都在很大程度上缺少。在这里，我们为eurytomidae（膜翅目，沙尔西多德亚）提供了定制的DNA条形码向前底漆，将高质量DNA条形码的成功率从33％提高到88％。eurytomidae是一种严重研究的，分类学上具有挑战性的，物种丰富的群，主要是寄生的黄蜂。较高的物种数量，多样化的生态作用以及广泛和共同存在确定Eurytomidae是陆地生态系统中众多关键家庭之一。现在可以在研究和监测陆地动物区系时包括eurytomidae，强调基于条形码的方法将需要定期使用不同的引物来避免其数据和推论中的偏见。新的DNA条形码方案也是我们对小组的综合分类研究的先决条件，旨在划界和表征Central
裂缝检测中的人工智能：系统...
骨折的发生率为每 100,000 患者年 733 至 4017 例 (1–3)。在 2019 年 4 月至 2020 年 4 月的财年中，英国有 120 万名患者因急性骨折或脱位到急诊室就诊，比前一年增加了 23% (4)。X 光片上漏诊或延迟诊断骨折是一种常见的诊断错误，发生率为 3% 至 10% (5–7)。临床医生的经验与骨折误诊率呈反比，但及时获取专家意见的机会并不多 (6)。影像学检查量的增长速度继续超过放射科医生的招聘速度：2019 年的一项加拿大研究 (8) 发现，12 年来放射科医生的工作量增加了 26%，而美国放射科医师学会的一项研究发现，
先进的物理失败分析技术，用于挽救裂缝，划痕或延迟不平衡的损坏样品
本文是IPFA 2020中发表的作品的扩展版。在上一篇论文中，引入了用于营救有裂缝，划痕或延迟性不均匀的损坏样品的高级物理失败分析（PFA）技术。在目前的工作中，将为一般设备中的潜在应用进一步利用这些技术。将通过对故障机制和救援过程的全面分析对三个典型的救援案件进行全面讨论。与通常需要备份样品的常规PFA技术相比，新颖的救援技术为应对延迟时的样本损害问题提供了更多的替代解决方案，而无需重新开始新的样本，从而浪费了机器时间和人力资源。这些新的PFA技术仅涉及可以轻松操纵的基本故障分析（FA）技能以及FA实验室中通常可用的FA设备，并将扩展PFA传统PFA的范围和能力，以帮助FA工程师在每日工作中提供高质量的FA结果，尤其是“处理”设备的高质量和高质量。