XiaoMi-AI文件搜索系统
World File Search SystemAIoT
精准农业中的人工智能（AIoT）
精准农业对于实现可持续粮食生产以满足日益增长的粮食需求至关重要。近几十年来，人工智能 (AI) 和物联网 (IoT) 的技术进步有助于解决各种农业领域问题，优化资源利用率（例如水、农药、肥料、种子、能源），改善生产管理和生产力，并减少对劳动力的依赖。人工智能和物联网应用越来越多地用于精准农业应用，例如作物生长监测、除草控制、病虫害检测、种植、作物产量估算、定向喷洒和授粉、智能灌溉和养分管理、田间分析和植物表型分析。例如，使用机器学习和深度学习模型的基于物联网的应用被广泛用于识别水果、蔬菜、杂草、害虫和疾病，并测量土壤质量和养分。这些信息有助于提供更好的作物管理实践。尽管人工智能和物联网技术在精准农业中取得了进展，但以 AIoT 形式结合使用这些技术仍处于早期阶段，在数据采集和连接以及基于边缘计算处理能力的人工智能算法优化等方面仍存在许多挑战需要解决。本研究课题重点关注人工智能和物联网应用领域在大田作物和特种作物精准农业技术方面的最新进展。本研究课题吸引了 9 篇研究文章和 3 篇评论文章。这些文章揭示了应用机器学习和深度学习技术在各种精准农业应用方面的研究进展和趋势。机器人采摘在解决手工劳动密集型和时间敏感的采摘作业的劳动力短缺问题方面发挥着重要作用。例如，Sun 等人提出使用 YOLO-P 来检测自然果园环境中的梨以供机器人采摘。他们提出将混洗块与卷积块注意模块 (CBAM) 集成作为 YOLOv5 网络的主干。总共使用 5,257 张包含各种背景和照明条件的图像来训练和测试所提出的方法。进行了不同的消融实验来检查稳健性和
Ali Nadar、Jérôme Härri。用于物联网人工智能 (AIoT) 的 AI 即服务平台。 2024. hal-04472970
摘要 — 借助去中心化的机器学习 (ML) 策略和现代边缘张量处理单元 (TPU)，智能设备不再仅仅是人工智能 (AI) 的消费者，更是其生产者，将物联网 (IoT) 转变为全球去中心化的物联网人工智能 (AIoT)。随着大量 AI 参与者的出现，不仅带来了发现和与它们建立网络的挑战，还带来了将其 AI 功能用作服务的潜力。然而，AI 参与者的异构性、它们的 AI 功能、AI 上下文环境、移动性，甚至可用或寻求的 AI 特性，不仅需要强大的 IoT 架构，还需要灵活的 AI 语义。在本文中，我们提出了一个 AI 即服务平台，帮助 AI 消费者在 AIoT 中识别适合其需求的现有 AI。我们描述了架构、API、消息流和 AI 语义，以便在需要时和需要的地点识别最合适的 AI 工作者，从而有效地从分布式车辆生成 AI 模型。作为概念验证，我们选择了一个应用场景，使用 CARLA 驾驶模拟器展示了 AI 模型根据车辆环境在车辆之间的可训练性/可更改性。索引术语 — AI 即服务、物联网 AI、机器学习、本体论、语义、驾驶模拟器、CARLA。
物联网人工智能 (AIoT)：集成挑战和安全问题
摘要 AIoT 代表物联网人工智能，指的是物联网与人工智能之间的协同作用，为开发智能自主系统开辟了新领域。人工智能和物联网的集成使设备能够通过实时分析数据、做出独立决策和适应环境变化，而不仅仅是数据收集和传输。然而，AIoT 面临着一些部署挑战，每个挑战都可能成为限制 AIoT 潜力和数据安全或隐私的限制因素。AIoT 的一些最重要的集成挑战涉及一方面讨论设备和协议兼容性，另一方面讨论大量数据、延迟和功耗。本文进一步讨论了由大量异构硬件和软件平台带来的复杂性，这使得系统之间的标准化和互操作性变得困难。由于 AIoT 系统逐渐容易受到可能的网络安全攻击，包括未经授权的数据访问、丢失或泄漏，因此人们非常关注安全问题。本文还介绍了有关人工智能算法隐私和安全的潜在威胁，包括数据中毒攻击和机器学习模型的操纵。这些问题都可以通过开发安全的身份验证和授权机制、高级加密方法和抗攻击的人工智能模型来解决。最后，本文指出了标准化和国际协议开发的重要性，目的是保证 AIoT 系统的互操作性和安全性。分布式计算（包括边缘计算）对于减少延迟和提高数据处理效率也至关重要。下一节将讨论遵守个人数据和隐私保护立法的必要性以及在 AIoT 系统创建和运行的整个周期中应用安全原则。本文介绍了与 AIoT 领域相关的当前挑战和安全问题的总体情况，并为研究人员、开发人员和从业人员提供了如何有效整合人工智能和物联网的指南。
即将到来的网络和Aiot时代的可持续性
计算机工程与自动化系 - 电气和计算机工程学院 - 坎迪纳斯大学 - 菲克（Feec），坎皮纳斯大学（UniCamp） - Unicamp，Unicamp，圣保罗，巴西Okyay Kaynak，电气与电子工程系，波加西斯基大学，波加西斯基大学，伊斯坦布尔，伊斯坦布尔，蒂恩·洛伊尔·洛伊尔·洛伊尔·洛基（Ullical Illical and equartion forkention）。 Chicago, USA Institute of Automation, Chinese Academy of Sciences, Beijing, China Witold Pedrycz, Department of Electrical and Computer Engineering, University of Alberta, Alberta, Canada Systems Research Institute, Polish Academy of Sciences, Warsaw, Poland Marios M. Polycarpou, Department of Electrical and Computer Engineering, KIOS Research Center for Intelligent Systems and Networks, University of Cyprus, Nicosia, Cyprus Imre J.鲁达斯，Óbuda大学，布达佩斯，匈牙利Jun Wang，计算机科学系，香港城市大学，香港，香港，香港
物联网人工智能 (AIoT)：挑战、机遇和示例
• AIoT 对两种技术类型都具有变革性和互惠互利性，因为 AI 通过机器学习功能为 IoT 增加了价值，而 IoT 则通过连接和数据交换为 AI 增加了价值
ESP32-S3-BOX-3 AIOT开发套件用户指南
帮助我们。您可以通过向左或向右滑动来在这些选项之间移动。例如，您可以访问设备控制屏幕，点击灯以打开或关闭灯。之后，您可以返回菜单，输入媒体播放器屏幕，然后播放音乐或调整系统音量。
支持AIOT的有保障和绿色供应链系统
机会供应链系统（SCS）范围从原材料的采购到物品的生产和交付。SC中的主要利益相关者是负责按时将正确产品交付正确产品的供应商，供应商和零售商。这可以通过诸如人工智能（AI）的物联网（IoT）等智能技术来实现。基于AI的IoT（Aiot）对产品进行实时跟踪，并通过减少碳排放来维持绿色环境，因为整个系统都通过数字连接。基于AIOT的系统提供了许多机会，但是，它们存在一些需要克服的挑战。例如，数字系统容易出现对抗攻击，其安全性对于绿色SC的平稳操作至关重要。有担保和绿色SCS在采购，制造，交付和返回产品方面具有高效且具有成本效益。在此系统中，IoT设备监视外部世界并安全地跟踪产品。也可以部署这些设备，以增强产品的存储条件，同时维持绿色环境。尽管支持AIOT的SC在初始阶段，但它将使用下一代技术，例如大数据，云计算，5/6G和网络安全进行有效的操作。但是，一个巨大的挑战是通过加入多个站点来制造全球AIOT的有保障和绿色SC。此外，为小规模行业设计这样的系统是另一个挑战，因为它们的资源有限。因此，我们需要一个智能，安全，绿色，经济，全球和快速的SC来加速商机，更好地为客户服务，节省金钱并提高效率。本期特刊旨在收集以AIOT支持的有担保和绿色SC的最新进步，创新和以行业为导向的实践，以低成本提供出色的客户满意度和业务增长。感兴趣的主题包括但不限于：
Aiot Serbot
AI应用程序练习设备基于室内服务机器人平台NVIDIA高性能AI平台用于脑板触摸显示和用于GUI基于GUI的用户界面和深度学习的高分辨率广角摄像头，并通过Digital Modio和Audio Modile提供了多种多样的型号，并提供了千兆以太网，可提供多种多样的型号。 expansion interfaces are supported The driving part adopts a 3-axis omni wheel to maximize the robot's movement efficiency and minimize the turning radius For precise control of the driving part, controller equipped with a high-performance MCU controls omni wheel motor, encoder and sensor Connected via highly reliable CAN FD communication for collaboration between brain board and controller Built-in power path management circuit to make it possible to continue practicing even while the battery is charging Service robot development is supported through ROS2, robot standard middleware High-level Pop libraries enabling to focus on application implementation is provided CUDA-based PyTorch and Tensorflow artificial intelligence framework are supported Web browser-based Google block coding platform (Blockly) is supported Pre-set integrated development environment based on Visual Studio Code for professional application development is supported Deep learning-based service robot learning contents are provided On-device AI self-driving car培训设备
AIoT 与 I4.0：物联网和人工智能技术对工业 4.0 的影响 Nasreddine HAQIQ 1* 、Mounia ZAIM 1 、Issam BOUGANSSA 1 、Adil SALBI 1 、Mohammed SBIHI 1
许多工业公司正在寻求在其生产链上实施新技术，并希望将其公司重塑为智能工厂，即数字化生产的未来。例如，西门子投资了一个名为 Mindsphere 的项目，该项目是一种工业物联网应用服务解决方案，使用人工智能进行高级分析，结合物联网解决方案和联网产品的云，以优化运营、控制和保护数据，从而生产出质量更好的产品 [6]。据 Klaus Helmrich 先生介绍，西门子正致力于通过数字化重塑工业企业及其生产运营的流程 [7]。亚马逊、阿迪达斯、惠而浦等其他企业在智能工厂方面都有成功案例，这些公司已开始或将开始在其生产链上实施新技术。本研究的目的是定义物联网人工智能一词，研究 AIoT 对工业应用的软硬影响以及在现代工业中实施人工智能和物联网技术的好处。
请引用原文：Zhu, H., Tiwari, P., Ghoneim, A., & Hossain, MS (2022). 一种用于 AIoT 领域问答的协作式 AI 支持预训练语言模型。IEEE 工业信息学学报，18 (5)，3387-3396。https://doi.org/10.1109/TII.2021.3097183
摘要 — 人工智能物联网 (AIoT) 领域的大规模知识迫切需要有效的模型来理解人类语言并自动回答问题。预训练语言模型 (PLM) 在某些问答 (QA) 数据集上取得了最佳性能，但很少有模型能够回答有关 AIoT 领域知识的问题。目前，AIoT 领域缺乏足够的 QA 数据集和大规模预训练语料库。我们提出了 RoBERTa AIoT 来解决缺乏高质量大规模标记的 AIoT QA 数据集的问题。我们构建了一个 AIoT 语料库来进一步预训练 RoBERTa 和 BERT。RoBERTa AIoT 和 BERT AIoT 利用由面向 AIoT 的维基百科网页组成的大型语料库进行无监督预训练，以学习更多特定领域的上下文并提高 AIoT QA 任务的性能。为了微调和评估模型，我们基于社区问答网站构建了 3 个 AIoT 问答数据集。我们在这些数据集上评估了我们的方法，实验结果证明了我们的方法有显著的改进。