XiaoMi-AI文件搜索系统
World File Search SystemDemining
人道主义排雷金属探测器手册
在制定该研讨会协议的过程中，很明显至少有两个与金属探测器相关的领域需要进一步研究。第一个是土壤和地形的电磁特性，以便预测金属探测器在不同雷区的性能。第二个是在可靠的统计测试的基础上评估地雷探测的性能。这两个要求很高的研究领域的工作目前正在进行中。
人道主义排雷金属探测器手册
在制定本研讨会协议的过程中，很明显，至少有两个与金属探测器相关的领域需要进一步研究。第一个是一般意义上的土壤和地形的电磁特性，以便预测金属探测器在不同雷区的性能。第二个是在可靠的统计测试的基础上评估地雷探测的性能。这两个要求严格的研究领域的工作目前正在进行中。
人道主义排雷探测技术和系统指南
《指南》编辑团队本着诚意并尽最大努力编写了本报告，目的是传播结果。本书中描述的技术和测试结果均来自系统开发商、制造商和其他公开文献来源。《指南》编辑团队没有机会核实系统开发商或制造商提供的测试结果或性能声明。本出版物中表达的观点均为日内瓦国际人道主义排雷中心的观点，并不一定代表德国政府、《指南》编辑团队及其所在组织的观点。本出版物中使用的名称和材料的呈现方式并不意味着德国政府或日内瓦国际人道主义排雷中心对任何国家、领土或地区、其当局或武装团体的法律地位、或其边界或边界的划定发表任何意见。
排雷传感器建模和特征级融合... - LISC
摘要— 开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。结构和参数学习算法用于在 BN 模型中编码地雷特征、传感器测量值和环境条件之间的关系。推理用于在存在异质土壤和不同环境条件的情况下估计目标特征。开发了一种在 BN 模型上运行的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确性相对于单传感器测量提高了 64%
检测技术和系统指南……
指南编辑团队以真诚和最大的能力准备了这份报告，目的是传播结果。本书中描述的技术的描述和测试结果是从系统开发人员，制造商和其他开放文献来源获得的。指南编辑团队没有机会验证系统开发人员或制造商提供的测试结果或性能主张。本出版物中表达的观点否则是GICHD的观点，不一定代表德国政府的观点，或指南编辑团队和他们所工作的组织的观点。本出版物中所采用的名称和材料的介绍并不意味着对德国政府或日内瓦国际国际人道主义中心的任何意见的表达，涉及任何国家，领土或地区，当局或其当局或其当局或武装团体的法律地位，或涉及其前沿或边界的划定。
利用贝叶斯网络进行排雷传感器建模和特征级融合
摘要—开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法在 BN 模型中对地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和不同环境条件的情况下，使用推理来估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确度相对于单传感器测量提高了 64%，并且同时检测到和分类的物体数量增加了 62%。
利用贝叶斯网络进行排雷传感器建模和特征级融合
摘要—开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法在 BN 模型中对地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和不同环境条件的情况下，使用推理来估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确度相对于单传感器测量提高了 64%，并且同时检测到和分类的物体数量增加了 62%。
贝叶斯网络的排雷传感器建模和特征级融合
摘要— 开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法对 BN 模型中的地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和变化的环境条件的情况下，推理用于估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确性相对于单传感器测量提高了高达 64%，并且同时检测和分类的物体数量增加了高达 62%。
利用贝叶斯网络进行排雷传感器建模和特征级融合
摘要—开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法在 BN 模型中对地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和不同环境条件的情况下，使用推理来估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确度相对于单传感器测量提高了 64%，并且同时检测到和分类的物体数量增加了 62%。
探测器和个人防护设备
© 日内瓦国际人道主义排雷中心 本目录中对探测器和个人防护设备的描述均为制造商的描述。本目录中提到的测试结果是制造商提供的或在国际测试和评估计划 (ITEP) 网站 www.itep.ws 上发布的测试报告的摘录或引文。给出了来源。它们不一定代表日内瓦国际人道主义排雷中心或德国政府的观点。本出版物中表达的观点均为日内瓦国际人道主义排雷中心的观点，并不一定代表德国政府的观点。本出版物中使用的名称和材料的呈现方式并不意味着联合国排雷行动处、德国政府或日内瓦国际人道主义排雷中心对任何国家、领土或地区、其当局或武装团体的法律地位、或对其边界或边界的划分发表任何意见。