XiaoMi-AI文件搜索系统
World File Search System天气条件
在挑战性的天气条件下可靠的对象检测
对象检测在各种自主系统中至关重要，例如监视，自动驾驶和驾驶员的稳定性，通过识别行人，车辆，交通信号灯和标志来确保安全。然而，诸如雪，雾和雨等不利天气条件构成了挑战，具有检测准确性，冒险发生事故和大坝。这清楚地表明了在所有天气条件下都起作用的强大观察检测解决方案的必要性。我们采用了三种策略来增强不利天气中的基于深度学习的对象检测：对全球全天候图像进行培训，对图像进行培训，并具有合成的增强天气噪声，并将对象的变形与不利天气图像denosistighting进行整合。使用分析方法，GAN网络和样式转移网络产生合成天气噪声。我们使用BDD100K数据集中的真实世界全天候图像和用于评估未见现实世界的不利天气图像的评估，通过训练对象进行分割模型比较了这些策略的性能。通过降级现实世界的不利天气图像以及对物体检测的结果和原始嘈杂图像的结果进行了评估，从而评估了不利天气。我们发现，使用全天候现实世界图像训练的模型表现最佳，而对对象检测进行对象检测的策略则表现最差。
环境污染和极端天气条件
环境污染的暴露，包括空气，土壤，水，光和噪声污染，是可能暗示心理健康结果的关键问题。极端的天气状况，例如飓风，流浪，野性场和干旱，也可能引起长期的严重关注。但是，目前对与这些暴露相关的可能精神疾病的知识尚未得到很好的传播。在这篇综述中，我们的目标是总结有关环境污染和极端天气条件对心理健康的影响的当前知识，重点是焦虑症，自闭症谱系障碍，精神分裂症和抑郁症。在空气污染研究中，PM2.5，NO2和SO2的浓度升高与焦虑，精神分裂症和抑郁症状的加剧最密切相关。我们概述了所涉及的潜在的病理机理。我们强调，与环境污染相关疾病的发病机理是多因素的，包括增加的氧化应激，系统炎症，血脑屏障的破坏和表观遗传失调。光污染和噪声污染与神经退行性疾病的风险增加相关，尤其是阿尔茨海默氏病。此外，讨论了土壤和水污染的影响。诸如原油，重金属，天然气，农用化学物质（农药，除草剂和肥料），多环或多核芳香芳烃（PAH），溶剂，铅（PB）和石棉对精神健康的影响相关的化合物。极端天气状况与抑郁症和焦虑症障碍有关，即PTSD。应实施一些政策建议和宣传运动，并主张提高高质量城市化，缓解环境污染，并因此增强居民心理健康。
通过熵和引导多模式融合在不利天气条件下增强对象检测
摘要。通过互补感应方式整合各种表示形式对于自主驾驶中的强大场景解释至关重要。近年来，融合视觉和范围数据的深度学习体系结构具有先进的2D和3D对象检测。但是，这些方式在不利的天气或照明条件下通常会降解，从而导致性能下降。虽然已经开发了域适应性甲基元素来弥合源域和目标域之间的缝隙，但由于源和目标域之间的固有差异，它们通常会缺乏。此差异可以在数据的不同分布和不同特征空间的不同分布中表现出来。本文介绍了一个全面的域自适应对象检测框架。通过深度转移学习开发，该框架旨在从标记的透明天气数据中稳健地概括到无标记的不良天气条件，从而增强了基于深度学习的对象检测模型的性能。创新的斑块熵融合模块（PEFM）是我们方法的核心，该方法动态整合了sens-sor数据，强调关键信息并最大程度地减少了背景干扰。这进一步补充了一种新型的加权决策模块（WDM），该模块（WDM）根据其在特定环境条件下的功效来调整不同传感器的贡献，从而优化了检测准确性。此外，我们在转移学习过程中集成了域对齐损失，以确保有效的域适应性通过将特征图差异定于清晰和不利天气数据集之间的差异。我们评估了不同数据集的模型，包括Exdark（单峰），CityScapes（单峰）和密集（Mul-timodal），在我们评估的时间点，它在所有数据集中排在所有数据集中。
通过极端天气条件下的电动汽车集成和随机建模优化配电网性能
本文提出了一种微电网运营规划的创新方法，重点是提高经济绩效和增强弹性。所提出的方法解决了关键的不确定性，包括天气条件、电动汽车 (EV) 的概率充电/放电行为、可再生能源的整合、能源价格波动和负载条件。此外，它还考虑了电动汽车车主的满意度和需求侧管理。这项研究的一个关键创新是开发了一个综合框架，用于同时管理网络拓扑重构、网络内的电动汽车移动以及减轻恶劣天气条件的影响。采用蒙特卡罗模拟来模拟不确定性，同时使用多目标优化算法来解决问题。该算法旨在最大限度地提高网络运营商和私营部门的利润，同时最大限度地减少未供应能源及其相关处罚。所提出的方法显示出显着的改进，包括未供应能源成本降低 37.1%，网络运营商利润增加 5%，电动汽车充电站利润增加 23.1%。总体而言，该方法比现有方法的性能高出约 8%。所提出的方法为提高微电网在极端天气条件下的弹性和运行效率提供了一种有效且稳健的解决方案，展示了其优于传统方法的优势。
引用：Ashok Kumar Koshariya (2022)。气候适应性作物：极端天气条件下的育种策略。
气候变化对全球农业构成重大威胁，影响作物生产力和粮食安全。干旱、洪水、热浪和寒流等极端天气事件发生的频率和严重程度增加，迫使我们必须开发适应气候的作物。通过创新育种策略，我们可以使我们的农业系统适应这些不断变化的条件。本综述探讨了作物育种技术的最新进展，包括传统育种方法、分子育种和 CRISPR/Cas9 等基因编辑技术。我们讨论了表型和基因分型的整合、遗传多样性的作用以及培育多种抗逆性作物的重要性。此外，我们还重点介绍了成功的案例研究，并提出了未来的研究和政策方向，以支持开发和广泛采用适应气候的作物。本综合概述旨在深入了解作物育种的现状，并确定未来创新和合作的关键领域，以确保全球粮食系统免受气候变化的影响。
通过在不利天气条件下纳入MDM-WDM和机器学习分类器
光子雷达是微波光子学创新应用中的基石，它是未来智能运输系统（ITS）的关键技术。提供了增强的准确性和可靠性，它位于目标检测和在不同天气条件下识别的最前沿。最近的进步集中在通过高速，宽带信号处理的8月雷达性能，这是现代光子学属性的直接好处，例如EMI免疫，最小传输损失和宽带宽。我们的工作引入了一个尖端的光子雷达系统，该系统采用频率调制连续波（FMCW）信号，与模式划分和波长分层多路复用（MDM-WDM）协同作用。这种融合不仅增强了各种天气情况的目标检测和识别能力，包括各种雾气和太阳闪烁的强度，而且还表现出了针对太阳噪声的实质性弹性。此外，我们拥有集成的机器学习技术，包括决策树，极为随机的树（ERT）和随机的森林分类器，以实质上提高了目标识别精度。结果表明：精度为91.51％，高灵敏度（91.47％），特异性（97.17％），F1得分为91.46％。这些指标强调了我们方法在完善其雷达系统方面的功效，这说明了微波光子学中的进步如何彻底改变传统方法和系统。
考虑黑暗天气条件和电网中断情况的关键基础设施微电网规模确定
content/uploads/2021/02/Regional_Resource_Planning_PR_Mountain_Consortium.pdf [2] 美国国家可再生能源实验室 (NREL)。（2020 年）。波多黎各光伏屋顶数据库 (PVRDB-PR) [数据集]。检索自 https://dx.doi.org/10.25984/1804725。[3] M. Deru、K. Field、D. Studer、K. Benne、B. Griffith、P. Torcellini、B. Liu、M. Halverson、D. Winiarski、M. Rosenburg、M. Yazdanian、J. Huang 和 D. Crawley，“美国能源部商业参考建筑模型
大气和空间天气条件变化对定位精度的影响
摘要：当今的技术发展使得使用机器代替人类执行特定任务成为可能。然而，这种自主设备面临的挑战是在不断变化的外部环境中精确移动和导航。本文分析了不同天气条件（气温、湿度、风速、大气压力、使用的卫星系统类型/可见卫星以及太阳活动）对定位精度的影响。为了到达接收器，卫星信号必须传播很长的距离并穿过地球大气层的所有层，大气层的变化会导致错误和延迟。此外，接收卫星数据的天气条件并不总是有利的。为了研究延迟和误差对定位的影响，对卫星信号进行了测量，确定了运动轨迹，并比较了这些轨迹的标准偏差。所得结果表明，可以实现高精度定位，但太阳耀斑或卫星可见度等变化条件意味着并非所有测量都能达到所需的精度。卫星信号绝对测量法的使用在很大程度上促成了这一点。为了提高 GNSS 系统的定位精度，首先建议使用消除电离层折射的双频接收器。
ADA针对天气条件的可靠性
高级驾驶辅助系统（ADAS）技术除了人类驾驶员之外，还提供了一个额外的安全层。持续评估动态驾驶任务的安全性，使ADA能够启动纠正措施（例如自动制动）和/或预防性（例如，视听警报）操作，并在检测到不安全的道路事件时。为了提供情境意识，这些安全系统主要依赖于车辆安装的传感器，其性能会受到天气事件的极大影响，例如强烈的阳光，大气降水（雨，降雪，雾）等。相应地，进行了这项研究以表征不同天气条件下ADAS特征的性能。自动紧急制动（AEB）被选为代表性ADA功能。两辆正在测试的车辆（VUT）配备了感知传感器，例如LIDAR，RGB相机，红外摄像头，雷达，惯性测量单元，GNSS等。在文献中广泛报道了这些传感器在预生产和发展自动化系统中的相关性和显着用途。此外，还记录了通过VUT的OBD-II端口可用的数据，还记录了与外部传感器的时间对应关系。尽管传统上在天气室进行了涉及汽车系统的天气相关测试，但采用这些测试方案进行ADAS测试可能具有挑战性。由于必须动态执行ADA的测试，因此需要数百米的跑道，并且典型的天气室无法满足此要求。另外，这项研究利用自然发生的天气事件来记录AEB的性能。为了本研究的目的，在最佳天气条件（阳光明媚）下进行的AEB测试构成了基线性能。在许多不同的天气和道路条件下进行了相同的测试；例如，白天/晚上，雪覆盖着沥青，持续的降雪，阴天，降雨等。通过测试数据分析产生的许多指标用于在不利天气条件下量化AEB性能。当AEB系统在不同天气条件下检测到即将发生的碰撞，测试目标的距离时，这些目标包括测试目标的距离，当AEB在不同的道路表面条件下（干/湿沥青与雪覆盖的沥青）启动自动制动动作，以及AEB是否成功地停止了测试场景中发生碰撞的情况。这些指标有助于确定在不利天气条件下AEB的故障模式。应注意，对不利天气条件的ADA绩效鲁棒性的量化与操作设计域（ODD）的量化密切相关，这是驱动自动化系统文献的新兴主题。尽管如此，这项研究的观察结果和推论将用于设计更全面，更精致的测试协议，以预期在系统容量上可以提高系统容量，并在不久的将来进行奇怪。
光伏-电池-超级电容器水泵系统及其在多变天气条件下潜力的实验评估
DOI：https://dx.doi.org/10.30919/esee8c693 光伏/电池/超级电容器抽水系统的实验评估及其在多变天气条件下的潜力 Madhumita Das，1，* Asim Halder 1，# 和 Ratan Mandal，2，# 摘要 研究人员经常使用电池来消除太阳能抽水系统中天气变化的影响，因为天气变化会缩短电池寿命。超级电容器和电池储能技术相辅相成。超级电容器具有高功率密度，而电池具有高能量密度。超级电容器的集成可以增强光伏 (PV)/电池系统的性能。在这项工作中，使用离心泵在多变的天气条件下（晴天、多云天和多云天）对 PV/电池/超级电容器抽水系统进行了实验测试。实验使用 40 Wp 太阳能模块为 12 V、14.4 W 离心泵以及 12 V、9 Ahr 电池和 210 F、12 V 超级电容器组供电。演示了电池和超级电容器之间的电流分布。研究了阳光辐射波动对流量和电池/超级电容器充电放电特性的影响。该系统在部分阴天运行有效，从而提高了抽水系统的性能。该抽水系统提高了农业应用中光伏系统的效率。