XiaoMi-AI文件搜索系统
World File Search SystemHaydar
NACS研究日和神经研究博览会
Zeynep Atak (advisors Tarik Haydar and Colenso Speer) Disrupted Neurogenesis from Basal Intermediate Precursor Cells Leads to Altered Development of the Postnatal Neocortex in the TcMAC21 Humanized Mouse Model of Down Syndrome Yash Kommula (advisor Carson Smith) Acute Aerobic Exercise and Mental-Health-Related Brain Function Anna Packy (advisor Rodolphe Gentili)协作人类机器人团队环境的皮质相关性Xinchi Yu（顾问Ellen Lau）代表人类工作记忆中的对象和结构
康斯坦察“奥维迪乌斯”大学
“OVIDIUS” 大学年鉴 - 康斯坦察系列：土木工程分析大学“OVIDIUS” 康斯坦察系列：建筑 主编：Lucica ROSHU，博士，EDIUS，土木工程学院。工程，124，Mamaia Blvd.，900527，RO.，Constantza，罗马尼亚执行编辑：Carmen MAFTEI，博士，工程师，“OVIDIUS”大学土木工程学院，124，Mamaia Blvd.，900527，Constantza，RO。社论董事会 Haydar ACKA 博士、Dumitru Ion ARSENIE 博士工程师，鲁门·阿尔索夫，博士工程师，Joseph BARTHA，博士工程师，Alex Horia BARBAT，博士工程师，Virgil BREAB，博士工程师、Alin CARSTEANU 博士、Mehmet DURMAN 博士工程师，Ion GIURMA，博士工程师，Pierre HUBERT，博士，Axinte IONIŢĂ，博士，工程师，Theodor Eugen MAN，博士Eng，Maria MAVROVA-GIRGINOVA，博士律师。图兰·奥兹图兰，教授博士工程师，Lucija ROCHU，教授博士工程师，Dan STEMATIO，教授博士工程师，
原创科学论文 使用 2-D 安全摄像头对无围栏机器人工作单元中的异物进行人工智能分类
Merdan OZKAHRAMAN*、Haydar LIVATYALI 摘要：使用机器人机械手的生产系统在过去几十年中变得很普遍，而且趋势是朝着节省空间的无围栏单元发展。因此，这些系统的安全性和灵活性变得更加关键。安全系统基于传感器数据或摄像机图像。虽然基于摄像头的系统的灵活性更好，但传统的图像处理方法对工作环境很敏感。人工智能可能是他们快速适应变化需求并提高准确性和稳定性的有力工具。在本研究中，设计了一种低成本的基于 2-D 摄像头的安全系统，并将其安装在实验性的无围栏机器人工作单元中。系统控制器与三种替代深度学习（ResNet-152、AlexNet、SqueezeNet）和三种机器学习模块（支持向量机、随机森林和决策树）相结合。这些模块使用十个不同异物穿透警报区的照片图像进行训练。为了涵盖不断变化的工业环境条件，我们通过使用每个类别最多 550 张图像来涵盖相机振动、阴影、反射、照度变化等破坏性影响。使用用于训练和测试这六个系统的受限数据，SqueezeNet 深度学习模型的最佳准确率为 95%，且没有过度拟合。尽管如此，基于机器学习的模型的预测时间比基于深度学习的模型快 100 倍。因此，安全系统可以快速适应任何可能的变化，并防止工作条件可能产生的噪音，并可以防止工业生产中可能发生的时间损失。 关键词：人工智能；图像分类；机器人与自动化 1 引言 几十年来，机器人技术一直用于工业生产和许多其他领域。各种产品的生产需求变化要求生产线和机器人单元频繁变化。生产线的变化会导致时间和劳动力的损失 [1]。这些损失的一个重要部分来自生产线中工作单元的安全要求。工业中不仅使用围栏，还使用基于传感器和摄像头的安全系统。基于摄像头的安全系统可以被认为是最先进的技术。在这种系统中，由于工作单元的变化，必须重新调整结构。可重构结构中使用的安全系统、基于人机互操作性的系统以及无围栏系统的图像处理也应适应这种灵活性 [2-4]。为了实现安全系统对工作灵活性的适应性，并避免环境条件引起的噪音，在传统的图像处理方法中加入人工智能算法是不可避免的。当目标是识别和区分进入工作单元的异物时，使用基于人工智能的图像处理的系统可能会提高安全系统的性能。传统的基于图像处理的安全系统无法可靠地识别友好物体。这些友好物体可能是工件或允许进入单元区域内的操作员。传统系统需要一些额外的设备来识别这些物体而不停止机器人手臂的工作。基于人工智能的安全系统在这方面更为成功。系统的可靠性将随着系统以期望和不期望的方式识别物体而提高。然而，众所周知，传统系统会受到工作环境中的振动、阴影和照度等噪声源的影响。可以建立一个能够快速响应未来变化并提高可靠性的安全系统。通过