XiaoMi-AI文件搜索系统
World File Search SystemOpenVino
数字孪生有助于改善海上作业
图 4. 英特尔数字孪生边缘控制器 海运港口运营商可以通过实施智能港口技术来应对日益增加的可靠性、安全性、效率和成本挑战。英特尔及其生态系统合作伙伴提供使用英特尔® SceneScape 控制器、摄像头和传感器（带有英特尔组件）、CPU、高性能集成显卡和现场可编程门阵列 (FPGA) 技术进行图像采集和处理的解决方案。英特尔® OpenVINO 工具包™ 分发版等可部署的软件包也有助于加速 AI 推理和决策。这些解决方案结合了传感器硬件和软件、边缘到云处理技术和人工智能，有助于为海运组织提供更好的洞察。更好的洞察有助于做出更好的运营和安全业务决策，从而实现更可靠、更准时的运营。
用于飞行测试的高速标记跟踪
摘要 — 飞行测试是确保正常运行期间安全并在认证阶段评估飞机的强制性过程。由于试飞可能是一种高风险活动，可能导致飞机损失甚至生命损失，因此模拟模型和实时监控系统对于评估风险和提高态势感知和安全性至关重要。我们提出了一种基于 CNN 的新型检测和跟踪模型，该模型使用基准标记，称为 HSMT4FT。它是光学弹道系统 (SisTrO) 的主要组件之一，负责在飞行测试期间检测和跟踪飞机外部存储、吊架和机翼中的基准标记。HSMT4FT 是一种实时处理模型，用于测量存储分离测试中的轨迹，甚至评估振动和机翼偏转。尽管有多个库提供基于规则的方法来检测预定义标记，但这项工作通过开发和评估三个用于检测和定位基准标记的卷积神经网络 (CNN) 模型做出了贡献。我们还比较了在 OpenCV 库中实现的角点检测的经典方法和在 OpenVINO 环境中执行的神经网络模型。评估了这些方法的执行时间和精度/准确度。在测试和基准模型中，其中一个 CNN 模型实现了最高的吞吐量、较小的 RMSE 和最高的 F1 分数。最好的模型足够快，可以在嵌入式系统中实现实时应用，并将在未来的实际飞行测试中用于实际检测和跟踪。
用于飞行测试的高速标记跟踪
摘要 — 飞行测试是确保正常运行期间安全以及在认证阶段评估飞机的强制性过程。由于试飞可能是一种高风险活动，可能会导致飞机损失甚至人员伤亡，因此模拟模型和实时监控系统对于评估风险、提高态势感知和安全性至关重要。我们提出了一种基于 CNN 的新型检测和跟踪模型，该模型使用基准标记，称为 HSMT4FT。它是光学弹道系统 (SisTrO) 的主要组件之一，负责在飞行测试期间检测和跟踪飞机外部存储、吊架和机翼中的基准标记。HSMT4FT 是一种实时处理模型，用于测量存储分离测试中的轨迹，甚至用于评估振动和机翼偏转。尽管有多个库提供基于规则的方法来检测预定义标记，但这项工作通过开发和评估三个用于检测和定位基准标记的卷积神经网络 (CNN) 模型做出了贡献。我们还比较了在 OpenCV 库中实现的经典角点检测方法和在 OpenVINO 环境中执行的神经网络模型。评估了这些方法的执行时间和精度/准确度。在测试和基准模型中，其中一个 CNN 模型实现了最高的吞吐量、较小的 RMSE 和最高的 F1 分数。最佳模型足够快，可以在嵌入式系统中实现实时应用，并将在未来的实际飞行测试中用于实际检测和跟踪。