XiaoMi-AI文件搜索系统
World File Search SystemUnderwater
西雅图港水下噪音缓解和管理计划 (UNMMP)
图 4. 黎明时分，起重机准备在杜瓦米什河修复工地打桩。 图片来源：Sasha Ertl/Grette Associates .............................................. 8 图 5. 根据船舶自动识别系统的数据，普吉特海湾船舶交通快照。 ........................................................................................... 10 图 6. 在港口码头，起重机放置在集装箱上方，准备装船。 图片来源：Sasha Ertl/Grette Associates ............................................................. 11 图 7. 根据打桩分析的海洋哺乳动物监测区。 图片来源：西雅图港 ......................................................................................................... 14 图 8. 一名海洋哺乳动物观察员在埃利奥特湾的打桩作业期间观察受保护的海洋哺乳动物。 图片来源：Sasha Ertl/Grette Associates ............................. 15 图 9. 冲击锤在杜瓦米什河修复工地使用气泡幕打桩。图片来源：Sasha Ertl/Grette Associates .............................................................. 17 图 10. 创新型双壁桩设计图。图片来源：Marine Construction Technologies ...................................................................... 18 图 11. 双壁桩悬挂在水面上准备安装。图片来源：Reinhall 2015 .................................................................... 19 图 12. 在杜瓦米什河修复工地打入双壁桩期间的水声监测。图片来源：Sasha Ertl/Grette Associates ............................................. 20 图 13. 使用中的铲斗挖泥船。图片来源：Sasha Ertl/Grette Associates ............................................. 22 图 14. 用于开放水域监测/记录的水听器装置。图片来源：AZO Sensors ............................................................................................................. 23 图 15. 用于记录埃利奥特湾环境水下噪音的设备。图片来源：Sasha Ertl/Grette Associates ...................................................................................... 24 图 16. 艾略特湾水下环境噪音记录设备。 图片来源：Sasha Ertl/Grette Associates ...................................................................................... 25 图 17. 渔人码头的码头标识。 图片来源：西雅图港 ...................................................................... 26 图 18. WRAS 的工作原理。 图片来源：Ocean Wise ...................................................................... 27 图 19. Be Whale Wise 指导手册。 图片来源：西雅图港 ...................................................................... 28
超疏水双轨上水下气泡的自发单向输送
具有优异防水性/粘附性的超疏水/超亲水表面（SBS/SLS）在学术研究和工业环境中都具有重要意义，因为它们在微小液滴和气泡操控中具有有趣的功能。然而，大多数涉及 SBS/SLS 的操控策略仅限于大面积制造或复杂的形貌设计，这明显阻碍了它们的实际应用。在本文中，我们通过一步飞秒激光烧蚀设计和制造了超亲水不锈钢板下方的超疏水聚二甲基硅氧烷窄化双轨（SNDR）。我们的 SNDR 轨道能够在水下自发地、单向地从宽端向窄端输送不同体积的气泡，即使它们被弯曲也是如此。进一步讨论了不同几何双轨配置在气泡输送性能中的力学分析。最后，我们通过实验证明了在多个 SNDR 组合上以设计的体积比无损混合气泡的惊人能力。该方法简单、灵活，具有广泛的潜在应用，如界面科学和微流体中的智能气泡传输、混合和可控化学反应。
在边缘的Caveline检测到自主水下洞穴探索和映射
摘要 - 本文探讨了在边缘平台上部署基于Ma-Chine学习（ML）基于基于的对象检测和分割模型的问题，以实现用于自动水下汽车（AUV）的实时Caveline检测，用于水洞探索和映射。我们专门研究了三个ML模型，即U-NET，Vision Transformer（VIT）和YOLOV8，该模型部署在三个边缘平台上：Raspberry PI-4，Intel Neural Compute Stick 2（NCS2）和Nvidia Jetson Nano。实验结果揭示了模型准确性，处理速度和能耗之间的明确权衡。最准确的模型已显示为U-NET，其与联合（IOU）值相比为85.53 f1分数和85.38的交集。同时，分别在高功率和低功率模式下运行的Jetson Nano上的Yolov8模型实现了最高的推理速度和最低的能耗。论文中提供的全面定量分析和比较结果突出了重要的细微差别，这些细微差别可以指导水下机器人上的caveline检测系统的部署，以确保在水下洞穴探索和映射任务期间安全可靠的AUV导航。
基于市场的自主水下监视网络任务分配框架
摘要 — 水下机器人监视网络的实现为海洋机器人带来了诸多挑战。水下场景通常以间歇性和不可靠的通信为特征。这使得开发适合在水下监视应用中有效工作的任务分配方案具有挑战性。我们提出了一种基于市场的任务分配方法，该方法以完全分布式的方式工作。通过定期拍卖，该算法实现了机器人在整个任务过程中的动态任务分配。没有中央拍卖师，任何机器人在打算执行任务时都会成为拍卖师。通过定期拍卖，所有机器人按顺序分配任务。该算法旨在提高对不良通信的鲁棒性并允许任务重新分配，以使分配适应不断变化的场景。计算机模拟结果报告支持所提出的方法。反潜战应用被认为是测试该方案的方法。在这个应用中，不同维度区域的监视必须由一组 AUV 完成。
基于物联网的水下机器人技术用于水产养殖中的水质监测：调查
水质对于依赖海洋资源的海洋生态系统，人类福祉和经济体的健康至关重要。尤其是关于核污染的挑战，诸如Tritium of tritium的同位素是杰出威胁[19，21]。本文调查了水下机器人系统的新兴应用，并由物联网（IoT）技术的基础，在水产养殖中。重点是它们进行连续水质监测的潜力，在促进与研究人员的富裕数据相互作用的同时，采用可持续检测方法。近年来，人们见证了通常称为自动水下车辆（AUV）的水下机器人的激增[23，13]，重新操作的车辆（ROVS）[1] [1]，当在水面上，在水面，Au au自主的表面车辆（ASVS）（ASVS）[24] [24] [24] - 进行水质评估。配备了一系列传感器，这些不足的机器人具有监视各种环境（无论是海洋，河流还是湖泊）的水质指标的能力。
通过元光栅实现水下声波的有效非对称传输
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
基于深度强化学习的水下航行器跟踪行为
规范 本论文用英文撰写，包括前言，随后用挪威语和英语撰写摘要，符合挪威科技大学硕士论文指南。报告的介绍进一步详述了论文的背景和动机。提供了有关该主题的相关工作的小规模回顾。论文其余部分的大纲也包含在介绍中。论文的主要部分包括文献综述、数学模型描述、强化学习实施和模拟器设置的介绍、模拟结果和实验结果的介绍。最后，进行讨论和总结，并提供进一步工作的建议。源代码和报告的 PDF 版本应随提交以电子方式提供。
设计水下自由空间光通信系统的新方法
涉及多个水下航行器与海底节点的海洋观测系统对更好地了解海洋起着重要作用，而水下无线通信对于海量数据交互至关重要。与声学等方法相比，具有带宽和综合作用距离的光通信是首选方法。然而方向性的存在使得光学方法难以使用，特别是当收发器配备在动力航行器上时。本研究提出了一种水下自由空间光通信信息传输方法。研究并建模了水下光传输特性、光电信号处理和调制解调算法。提出并仿真了实现水下自由空间光通信的新方法。开发了包括自由空间光发射器和接收器的原型机，并进行了不同场景下的测试，观察到的结果包括：（1）使用最少数量的LED，达到了空间均匀照明的效果，发射机覆盖范围达到160°。 （2）当发射机功率为10W，通信速率为1Mbps时，最大通信距离可达13m。
基于水下计算机视觉的视频溺水检测设备
抽象溺水是一个重要的公共健康问题。视频溺水检测算法是找到溺水受害者的有用工具。但是，溺水研究研究的三个挑战通常会遇到：缺乏实际的溺水视频数据，微妙的早期溺水特征以及缺乏实时时间。在本文中，作者提出了一个水下计算机视觉的溺水检测装置，该检测设备由嵌入式AI设备，相机和防水外壳组成，以解决上述问题。检测设备利用Jetson Nano的高性能计算通过在获得的水下视频流中提出的溺水检测算法实现溺水事件的实时检测。所提出的溺水检测算法主要由两个阶段组成：在第一步中，成功地解决了周围环境的干扰，并为视频溺水检测提供了值得信赖的基础，Yolov5N网络用于根据溺水者的特征来检测近事实的人体。在第二阶段，作者提出了一个基于深层高斯模型，用于快速特征向量检测。轻巧的DDN与高斯模型相结合，以检测高级语义特征的异常，该功能具有更高的鲁棒性，并解决了缺乏溺水视频的缺乏。实验结果表明，所提出的溺水检测算法具有良好的全面性能和实际应用值。
图像预处理策略，用于改善Aruco标记检测水下
摘要 - 在水下计算机视觉中，由于浊度和可变照明条件等环境因素，提高了Aruco标志物的特征提出了重大挑战。本研究探讨了旨在改善非杂种环境中Aruco标记检测性能的图像预处理策略。研究了三种不同的预处理方法：对自适应直方图均衡的增强，一种基于频率域的方法，重点是局部和全局处理，以及一种针对照明校正，降低降低，对比度增强和颜色调整的自动预处理技术。实验验证是为了使用实际水下图像评估这些策略的有效性。这项研究阐明了针对水下Aruco标记检测应用量身定制的有效预处理技术，为开发强大的水下计算机视觉系统提供了见解。索引术语 - 进行处理，视觉，Aruco，水下，ROV