XiaoMi-AI文件搜索系统
World File Search System声学数据
创新型直升机飞行噪音监测系统...
摘要：本文旨在全面阐述一种新的旋翼机噪音消除方法，特别是在飞行器接近地面且声学影响较大的终端程序期间。该方法致力于开发用于实时、飞行中监测发射噪音的技术和工具。声辐射的影响以简明、实用的形式呈现在一种新的驾驶舱仪表——飞行员声学指示器 (PAI) 上，用于执行更安静的操作。PAI 基于预先计算的声学数据的协同组合，这些数据与创新的非接触式测量系统收集的数据一起用于噪声估计算法，该系统能够获取主旋翼叶片运动。本文报告了当前在非稳定和准稳定气动声学预测以及翼尖-航向-平面攻角和推力系数观测方面的研究。本文讨论了新方法的结果以及 PAI 设计和开发过程的主要特点。
非机密 非机密
0490. BEARTRAP 项目（CNO 项目 K-0416）的任务是提供目标声压级 (SPL) 质量记录以及相关新技术、快速原型机制，以应用最先进的收集传感器。该计划将开发并快速部署硬件和软件方面的新技术概念，以有效应对新出现的沿海威胁，并提高目前的海底作战能力，以支持海上盾牌/海上试验计划。BEARTRAP 环境数据收集计划提供被动和主动声学和非声学数据，这些数据对于设计和开发环境模型、传感器、武器、软件算法和战术决策辅助工具至关重要。BEARTRAP 使用安装在独特配置的 ASW 飞机上的开发和原型硬件来收集感兴趣的数据，并使用专门配置的地面支持设施来重建和分析这些数据。BEARTRAP 包括校准的记录系统、先进的检测和跟踪系统、特殊传感器、先进的处理系统和技术以及专门衍生的作战策略。
创新型直升机飞行噪音监测系统...
摘要：本文旨在全面阐述一种新的旋翼机噪音降低方法，特别是在终端程序期间，当飞行器接近地面且声学影响较大时。该方法致力于开发用于实时、飞行中监测发射噪音的技术和工具。声辐射的影响以简明、实用的形式呈现在一种新的驾驶舱仪表——飞行员声学指示器 (PAI) 上，用于执行更安静的操作。PAI 基于预先计算的声学数据的协同组合，这些数据与创新的非接触式测量系统收集的数据一起用于噪声估计算法，该系统能够获取主旋翼叶片运动。本文报告了当前在非稳定和准稳定气动声学预测以及翼尖路径平面攻角和推力系数观测方面的研究。讨论了新方法的结果以及 PAI 设计和开发过程的主要特点。
2025 WY/Co-TWS会议研讨会描述
描述：本研讨会的主要目的是向参与者介绍开源计算机视觉模型用于分析相机陷阱图像的应用。该研讨会旨在提供动手经验，以获取免费的云计算资源来部署和解释这些模型，以增强野生动植物监测和研究。虽然相机陷阱可以进行全面的野生动植物监测，但尽管此任务的耗时，许多研究人员仍会手动查看相机陷阱图像。存在几种开源模型来自动化这些任务，但是很难实施这些模型并验证其性能。Western Ecosystems，Inc。（West）的机器学习团队擅长开发和部署来自相机陷阱图像，无人机镜头和声学数据的动物和栖息地检测的计算机视觉模型。我们期待有机会分享我们的专业知识，并通过使用尖端的计算机视觉技术来帮助推进野生动植物监测的领域。一些编程经验将有所帮助。参与者应尽可能带上笔记本电脑。
2025 WY/Co-TWS会议研讨会描述
描述：本研讨会的主要目的是向参与者介绍开源计算机视觉模型用于分析相机陷阱图像的应用。该研讨会旨在提供动手经验，以获取免费的云计算资源来部署和解释这些模型，以增强野生动植物监测和研究。虽然相机陷阱可以进行全面的野生动植物监测，但尽管此任务的耗时，许多研究人员仍会手动查看相机陷阱图像。存在几种开源模型来自动化这些任务，但是很难实施这些模型并验证其性能。Western Ecosystems，Inc。（West）的机器学习团队擅长开发和部署来自相机陷阱图像，无人机镜头和声学数据的动物和栖息地检测的计算机视觉模型。我们期待有机会分享我们的专业知识，并通过使用尖端的计算机视觉技术来帮助推进野生动植物监测的领域。一些编程经验将有所帮助。参与者应尽可能带上笔记本电脑。
来自线弧的共同注册的现场式 - 现场数据集...
传感技术和数据分析工具的最新进展已显着加速了电弧添加剂制造（WAAM）系统的开发。这种以数据为中心的方法强调了在整个生产过程中可用的传感器数据以优化性能。广泛的数据分析的集成为改善精度，减少废物和提高生产零件的质量提供了机会。此方法依赖于AI/ML模型和优化技术，这些技术是使用从各种来源收集的数据（包括原位传感器，前坐姿成像和制造过程参数）开发的。这些数据的质量和多样性以及不同数据流（通过时空注册实现）之间的对齐对于成功开发AI/ML和优化模型至关重要。在这项工作中，我们提出了在矩形块沉积过程中生成的时空注册数据集。数据集包括对沉积过程，过程参数，焊接特性和原位收集的声学数据的全面描述以及构建的X射线计算机断层扫描数据。
可解释的人工智能在医疗应用
人工智能理论的不断发展，在众多学者和科研人员的不懈努力下，已经达到了前所未有的高度。在医疗领域，人工智能发挥着至关重要的作用，其强大的机器学习算法发挥着重要作用。医学影像领域的人工智能技术，可以辅助医生进行X光、CT、MRI等检查诊断，基于声学数据进行模式识别和疾病预测，为患者提供疾病类型和发展趋势的预测，以及利用人机交互技术实现智能健康管理可穿戴设备等。这些成熟的应用为医疗领域的诊断、临床决策和管理提供了极大的帮助，但医疗与人工智能的协同也面临一个迫切的挑战：如何保证决策的可靠性？其根源在于医疗场景的可问责性和结果透明性需求与人工智能的黑箱模型特性之间的冲突。本文回顾了基于可解释人工智能 (XAI) 的最新研究，重点关注视觉、音频和多模态视角的医疗实践。我们努力对这些实践进行分类和综合，旨在为未来的研究人员和医疗保健专业人员提供支持和指导。
群体行为对鱼类搜寻效率的依赖性
摘要 — 多波束全向声纳是当前渔民使用的工具，但也可用于监测平台周围的远洋鱼群。多波束处理方法现在提供了改进的原始数据存储容量。Simrad SP90 声纳用于探测与漂流鱼聚集装置 (FAD) 相关的鱼群，数字系统用于采集和处理体积后向散射回波和位置数据。数据采样方法基于两种模式定义：一种用于周期性搜索 FAD 和相关鱼群，一种用于漂流模式下的鱼群监测。通过同时进行目视观察或/和与回声测深仪记录交叉核对，验证了对几种与 FAD 相关的鱼群物种的检测。目标鱼类的鱼群行为特征对于正确解释声学数据至关重要。声纳探测阈值是鱼的数量、大小、种类和每个动态结构（鱼群或浅滩）中个体的最近邻距离 (NND) 之间的折衷结果。金枪鱼群游动态意味着 NND 有时可能太大，以至于无法检测到这些鱼的存在，尽管它们数量众多。应以整体方式分析和解释声纳数据，并结合漂流 FAD 周围所有物种的行为模式和动态。配备 360˚ 扫描声纳 c 的自主声纳浮标原型
全向多波束声纳监测 - IRD
摘要 通过中频全向多波束声纳获取的数据开发可用于开展渔业研究中的原始研究，但尽管大多数渔船和许多研究船上都配备了此类设备，但却很少使用。这是唯一用于实时监测船只或浮标周围水平全向平面内鱼群的系统。1996 年至 2001 年间，我们使用了两种标准全向声纳，并根据两种主要采样方案开发了利用其特定声学数据的新方法：“勘探”，包括捕鱼和搜索作业，以及“漂流”，如使用仪器浮标系统或在固定船只上。我们提出了一种从研究船或商船上连续采集数据的完整方法，并通过图片分析和数据处理方法自动提取数据。考虑了两种数据分析情况：第一种是基于逐个学校的“单校”模式；第二种模式考虑了在声纳采样范围内检测到的所有鱼群，即“集群”模式。基本声纳信息分为五类，包括 24 个调查和声纳参数以及 55 个鱼群、集群和渔民行为描述符。我们回顾了这些类别的应用，并讨论了它们在渔业科学中的应用前景。如果声纳系统能够评估船只避让对鱼群生物量评估的影响，那么简单的声纳回声积分过程就无法提供准确的丰度估计。全向声纳数据可用于集体分析鱼群的游泳速度、扩散和迁移方面的运动学、群体分裂和合并指数等聚集动力学、集群的空间特征（如鱼群密度）、二维结构和渔民行为。将这些数据整合到鱼群数据库中，包括多频回声测深仪和横向多波束（3D）声纳数据与物种识别方法相结合，将能够全面了解鱼群行为，从而采用准确的渔业管理方法。
全向多波束声纳监测 - IRD
摘要 通过中频全向多波束声纳获取的数据开发可用于渔业研究的原创性研究，但尽管大多数渔船和许多研究船上都配备了此类设备，但这种设备却很少使用。这是唯一一种用于实时监测船只或浮标周围水平全向平面内鱼群的系统。1996 年至 2001 年间，我们使用了两种标准全向声纳，并根据两种主要采样方案开发了利用其特定声学数据的新方法：“勘探”，包括捕鱼和搜索作业，以及“漂流”，如使用仪器浮标系统或固定船只。我们提出了一种从研究船或商业船上连续采集数据的完整方法，通过图片分析自动提取数据并采用数据处理方法。考虑两种数据分析情况：第一种是逐个鱼群进行分析，即“单群”模式；第二种是考虑声纳采样体积内检测到的所有鱼群，即“集群”模式。基本声纳信息分为五类，包括 24 个调查和声纳参数以及 55 个鱼群、集群和渔民行为描述符。我们回顾了这些类别的应用，并讨论了它们在渔业科学中的应用前景。如果声纳系统能够评估船只避让对鱼群生物量评估的影响，则简单的声纳回声积分过程无法提供准确的丰度估计。全向声纳数据可用于集体分析鱼群的游动速度、扩散和迁移方面的运动学、群体分裂和合并指标等聚集动力学、群体密度等集群的空间特征、二维结构和渔民行为。将这些数据整合到鱼群数据库中，包括多频回声测深仪和横向多波束 (3D) 声纳数据以及物种识别方法，将使我们能够全面了解鱼群行为，从而采用准确的渔业管理方法。