XiaoMi-AI文件搜索系统
World File Search SystemCounting
使用 3D 飞行时间 (ToF) 进行人数统计以进行需求控制通风参考设计 (Rev. A)
使用 3D ToF 进行按需控制通风的人数统计参考设计是一个子系统解决方案，它使用 TI 的 3D ToF 图像传感器结合跟踪和检测算法，以高分辨率和高精度计算给定区域中的人员数量。传感器技术采用标准 CMO 开发，使系统能够以低成本实现非常高的集成度。由于 ToF 图像传感器以三维方式处理视觉数据，因此该传感器可以检测人体的精确形状以及跟踪运动并以前所未有的精度定位人员，包括细微的运动变化。因此，与传统监控摄像头和视频分析相比，ToF 摄像头可能能够更有效地执行实时人数统计和人员跟踪功能。
用于长度估计、消化道视觉评估和计数的人工智能辅助自动化管道水产养殖中的虾类生产
摘要：养虾是水产养殖生产中一个世纪以来的实践。在过去的几年里，传统的养殖方法得到了一些改进，然而，它仍然主要涉及密集的手工劳动，这使得传统养殖既不省时也不省钱。因此，需要一种持续的监测方法来提高养虾的效率。本文提出了一种使用深度学习和图像处理方法自动监测虾的流程。自动监测包括长度估计、虾的消化道评估和计数。此外，还设计了一个移动系统来监测各种养殖池中的虾。这项研究显示了有希望的结果，并展现了人工智能在自动化虾监测方面的潜力。
紫外激发微分干涉对比热透镜显微镜的开发，用于蛋白质分子计数
这种空间的体积如此之小，分析物分子的数量正在减少，需要单分子水平的检测方法。特别是，单个非荧光分子的检测非常重要，因为大多数分子没有荧光。相反，我们开发了用于灵敏检测非荧光分子的热透镜显微镜 (TLM)，并实现了在 7 fL 中测定 0.4 个分子的浓度 [1] 和使用紫外激发激光计数单个大型生物分子 (λ-DNA) [2]。然而，由于光学背景较大，这是基于 TLM 原理的一个问题，因此无法实现蛋白质等小分子的计数。因此，我们通过引入微分干涉对比 (DIC) 显微镜的原理开发了微分干涉对比热透镜显微镜 (DIC-TLM) 以实现无背景检测。到目前为止，DIC-TLM 可以实现对单个非荧光分子的检测 [3]，而之前的 DIC-TLM 使用可见光激发，无法检测在紫外线范围内有吸收的生物分子。本文开发了一种新型紫外激发DIC-TLM（UV-DIC-TLM）用于检测单个蛋白质分子。具体而言，设计了用于紫外激发的DIC棱镜和显微镜等光学元件，验证了UV-DIC-TLM的原理并评估了其性能。
紫外激发微分干涉对比热透镜显微镜的开发，用于蛋白质分子计数
这种空间的体积如此之小，分析物分子的数量正在减少，需要单分子水平的检测方法。特别是，单个非荧光分子的检测非常重要，因为大多数分子没有荧光。相反，我们开发了用于灵敏检测非荧光分子的热透镜显微镜 (TLM)，并实现了在 7 fL 中测定 0.4 个分子的浓度 [1] 和使用紫外激发激光计数单个大型生物分子 (λ-DNA) [2]。然而，由于光学背景较大，这是基于 TLM 原理的一个问题，因此无法实现蛋白质等小分子的计数。因此，我们通过引入微分干涉对比 (DIC) 显微镜的原理开发了微分干涉对比热透镜显微镜 (DIC-TLM) 以实现无背景检测。到目前为止，DIC-TLM 可以实现对单个非荧光分子的检测 [3]，而之前的 DIC-TLM 使用可见光激发，无法检测在紫外线范围内有吸收的生物分子。本文开发了一种新型紫外激发DIC-TLM（UV-DIC-TLM）用于检测单个蛋白质分子。具体而言，设计了用于紫外激发的DIC棱镜和显微镜等光学元件，验证了UV-DIC-TLM的原理并评估了其性能。
模拟单个光子计数光谱仪，用于与可居住世界的直接成像外部大气成像
埃德温·亚历克纳尼（Edwin Alexani）的硕士学位论文已得到论文委员会的审查和批准，这是对天体物理科学和技术科学硕士学位的论文要求的满意。
使用库仑计数方法和自适应的无气味卡尔曼过滤器
摘要：本文建立了一项准确且可靠的研究，用于估计锂离子电池的充电状态（SOC）。准确的状态空间模型用于确定电池非线性模型的参数。非洲秃鹰优化器（AVOA）用于解决识别电池参数以准确估算SOC的问题。一种混合方法由具有自适应无知的卡尔曼过滤器（AUKF）的库仑计数法（CCM）组成，以估计电池的SOC。在不同的温度下，对电池进行了四种方法，在包括负载和电池褪色之间有所不同。数值模拟应用于2.6 AHR松下锂离子电池，以证明混合方法对电荷估计的有效性。与现有的混合方法相比，建议的方法非常准确。与其他策略相比，所提出的混合方法实现了不同方法的最小误差。
飞行光子计数电子乘电荷电荷耦合设备开发罗马空间望远镜coronagraph仪器
摘要。我们描述了将在2.4 m Nancy Grace Roman Space望远镜上飞行的冠状器仪器（CGI）的光子计数摄像头系统的飞行电子乘电荷耦合设备（EMCCD）的开发。罗马是一项NASA旗舰任务，它将研究暗能量和暗物质，并在2020年代中期计划推出，寻找系外行星。CGI旨在证明高对比度成像和系外行星光谱所需的技术，例如高速波浪前传感和指向控制，具有可变形镜的自适应光学器件以及具有光子计数，可见敏感的（350至950 nm）检测器的超级噪声信号检测。相机系统是这些演示的核心，需要在高达1000帧-S -1时自适应地感知微弱和明亮的目标（10-4-10 7计数-S-1），以向仪器控制环提供必要的反馈。该系统包括两个相同的摄像机，一个相机表现出微弱的光科学能力，另一个用于提供仪器指向的高速实时感知。我们在喷气推进实验室（美国加利福尼亚州帕萨迪纳）的计划评估了辐射损坏的商业EMCCD传感器的低信号性能，并将这些测量作为与开放大学（米尔顿·凯恩斯（Milton Keynes），英国王国和泰瑞德尼·凯恩（Milton-Ekeynes）和泰瑞德尼（Teledyne-e2V）（泰瑞德尼（Teledyne-E2V））（英国凯尔多·金（Chelden-e2v）（英国凯尔多·金（Cheldne-E2V），英国王者），对靶向辐射硬化修饰进行了基础。然后开发了一对具有测试功能的EMCCD，并在此报告其低信号性能。©作者。[doi：10 .1117/1.Jatis.9.9.1.016003]该程序导致了EMCCD的飞行版本的开发，其低信号性能在暴露于2.6×10 9质子-CM-2（10 MeV等效）后，超过三倍以上。飞行EMCCD传感器是通过与Teledyne-E2V（英国切尔姆斯福德）的合同来贡献的。我们将描述用于评估光子计数性能的程序要求，传感器设计，测试结果和指标。由SPIE在创意共享归因4.0国际许可下出版。全部或部分分发或复制此工作需要完全归因于原始出版物，包括其DOI。
AI-Track-tive：使用计算机视觉（人工智能）自动识别和计算地面半轨迹的开源软件
摘要。本文描述并介绍了一种自动计数矿物中蚀刻裂变径迹的新方法。训练了深度神经网络和计算机视觉等人工智能技术来检测图像上的裂变表面半径迹。深度神经网络可用于名为“AI-Track-tive”的半自动裂变径迹测年的开源计算机程序。我们定制训练的深度神经网络使用 YOLOv3 对象检测算法，该算法是目前最强大、最快的对象识别算法之一。开发的程序成功地在显微镜图像中找到了大多数裂变径迹；然而，用户仍然需要监督自动计数。所提出的深度神经网络对磷灰石（97%）和云母（98%）具有很高的精确度。磷灰石（86%）的召回率低于云母（91%）。该应用程序可以在 https://ai-track-tive.ugent.be 在线使用（最后访问时间：2021 年 6 月 29 日），也可以作为 Windows 的离线应用程序下载。
ALJ/DBB/SR6/MEF发行日期：4/7/2023决定...
5.1。Solar and Wind Resource Counting ...............................................................20 5.1.1.基于超级提案的摘要............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................. 21 5.1.2。Summary of Other Proposals ....................................................................25 5.1.3.Comments on Proposals ............................................................................26 5.1.4.Discussion ....................................................................................................30 5.2.混合和共同确定的资源计数........................................................................................................................................................................................................................................................................................... 33 5.2.1。Comments on Proposals ............................................................................36 5.2.2.Discussion ....................................................................................................38 5.3.未强制的能力评估（UCAP） / UCAP-LIGHT方法论……39 5.4。Energy Storage Resource Counting ................................................................41 5.4.1.Multi-Cycle Storage ....................................................................................42 5.4.2.Multi-Day Storage .......................................................................................44 5.5.Hydroelectric Resource Counting ...................................................................46 5.6.Demand Response Resource Counting ..........................................................47 5.6.1.测试年度方法.................................................................................................................................................................................... 48 5.6.2。Demand Response Adders ........................................................................53 5.7.Planning Reserve Margin Calibration ............................................................55 5.7.1.Comments on Proposals ............................................................................58 5.7.2.Discussion ....................................................................................................59 5.8.最大累积容量存储桶................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................. 60 5.8.1。Comments on Proposals ............................................................................62 5.8.2.Discussion ....................................................................................................65
基于斑点的成像（SBI）应用，具有光谱光子计数检测器的新建立的最佳成像（最佳成像和断层扫描）LA
摘要：基于斑点的成像（SBI）是一种先进的X射线成像技术，除了吸收信号外，还测量相位和暗场信号。SBI使用随机波前调节器生成斑点，需要两个图像：一个单独具有斑点模式，另一个具有样品和斑点。SBI重建算法通过比较这两个图像来检索三个信号（传输，折射和暗场）。在SBI中，斑点可见性在检索三个信号中起着至关重要的作用。将技术从同步加速器源转化为紧凑的实验室设置时，源源的连贯性和可用分辨率中的局限性降低会产生较低的斑点可见性，从而阻碍了相位和暗场信号的检索。在这种情况下，直接检测CDTE X射线光子计数检测器（XPCD）提供了一个有吸引力的解决方案，因为它们允许高检测效率和最佳的空间分辨率增强斑点可见性。在这项工作中，我们介绍了新建立的最佳成像（最佳成像和断层扫描）实验室，用于托管在Elettra Synchrotron（意大利Trieste）的X射线成像。SBI的设置具有高达15 µm的分辨率，包括XPCD和电荷整合平面面板检测器（FPD）来获取SBI数据。总结了将SBI应用程序从同步器设施转移到紧凑的实验室设置时的主要限制因素。通过比较使用两个检测器获得的SBI图像来讨论XPCD比FPD的优点。简要介绍了通过使用XPCD的多阈值获取的光谱分解方法的潜力。本工作中显示的结果代表了实现多模式和多分辨率X射线设施的第一步。