XiaoMi-AI文件搜索系统
World File Search System探地雷达
EM 1110-1-1802 - 美国陆军工程兵团出版物
勘测有其自身的相关危险，特别是与主动能源相关的危险。一些主动能源包括：地震法中的浅层爆炸；电阻率法中的施加电流；以及探地雷达中的脉冲电磁场。地球物理勘测人员在规划和现场部署期间会定期处理这些危险。环境场地危险（如未爆炸弹药）的增加可能会加剧地球物理勘探的风险。本手册无法单独解决所有复合危险的情况。地球物理人员和勘测客户必须进行持续的对话并制定灵活的计划，以考虑和适应环境危害的各个方面。此外，该计划应根据适用法规和专家指导纳入健康和安全实践。
使用量子光子振动计探测地雷
地雷和未爆炸弹药 (UXO) 的探测方法千差万别，每种方法都有其固有的优点和缺点。手动探测需要排雷人员使用金属探测器和探测工具，这需要大量劳动力且风险高，在富含金属的土壤中经常导致误报。经过训练的动物（如狗和老鼠）可以快速嗅出爆炸物，但它们面临着与环境条件和安全性相关的道德问题。连枷和挖掘机等机械方法通过接触地雷引爆来快速清理区域，但可能会错过深埋的地雷并破坏土壤结构，因此不适合用于生态区或民用建筑附近。探地雷达 (GPR) 可以探测非金属地雷，但深度穿透和区分爆炸物和杂波方面存在困难，尤其是在潮湿或富含矿物质的土壤中。最后，无人机传感器通过实现远程检测降低了人为风险，但它们受到高成本、操作复杂性和对天气条件的敏感性的限制。
Reutech 35 年创新书
RRS 还扩大了其民用业务，进一步改进了其采矿雷达，开发了一种用于地下矿井裂缝检测和监测的探地雷达，该雷达还被一家亚洲铁路公司用于检查铁路线下的空洞，还开发了一种用于采矿的倾斜校正数字罗盘和用于大型聚光光伏阵列的太阳能跟踪器。RRS 还与一家合资公司联手开发了护堤监测系统。与此同时，其 RSR 904 Ngada 雷达是 Meerkat 监视系统的一部分，该系统有助于减少克鲁格国家公园的犀牛偷猎行为，而 RSR 906 雷达正在监测南非钻石资源丰富的西北海岸的小型船只交通。
CADRE 月球技术演示中的多智能体自主太空探索
摘要 — CADRE（合作式自主分布式机器人探索）是一项月球技术演示任务，由三辆探测车和一个基站组成的团队进行多智能体自主探索。该任务计划于 2024 年作为 IM-3 任务的 CLPS（商业月球有效载荷服务）载荷降落在月球的雷纳伽马地区。CADRE 的目标是演示一组自主探测车如何仅接收来自地球的高级任务，自主探索月球表面的某个区域，并与多静态探地雷达协调进行分布式测量。我们设想，多智能体自主将使未来的任务能够解决月球、火星及其他地方的行星科学中迄今未解答的问题。在本文中，我们描述了为 CADRE 开发的自主架构，包括多智能体协调和单智能体驾驶表面移动性，并讨论了导致选择这种架构的要求和限制。
在黎曼框架内通过 CNN 特征的协方差池对 GPR 信号进行分类
探地雷达 (GPR) 是一种成像系统，可用于观察现场地下情况，以研究土壤的层组成或埋藏物体的存在。由于地面的电磁特性，此类图像通常具有非常低的信噪比 (SNR)。此外，根据设计，埋藏物体被观察为双曲线，其形状可能与物体类型（例如空腔或管道）相关联。在这种情况下，埋藏物体的分类在民用应用中非常重要，例如恢复埋藏天然气管道的位置 [1] 或军事应用，例如地雷探测 [2]。为了进行这种识别，一些研究考虑使用信号反演技术 [3] 来提高 SNR，以便地球物理学家进行手动解释。当需要处理大量图像时，这种解决方案可能不切实际，因为它需要专门的人力资源。因此，自动识别方法已成为必需，并受到社区的关注。GPR 信号的自动分类分两步进行。首先，感兴趣区域（ROI）对应于
利用贝叶斯网络进行排雷传感器建模和特征级融合
摘要—开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法在 BN 模型中对地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和不同环境条件的情况下，使用推理来估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确度相对于单传感器测量提高了 64%，并且同时检测到和分类的物体数量增加了 62%。
利用贝叶斯网络进行排雷传感器建模和特征级融合
摘要—开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法在 BN 模型中对地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和不同环境条件的情况下，使用推理来估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确度相对于单传感器测量提高了 64%，并且同时检测到和分类的物体数量增加了 62%。
通过描述性统计和机器学习进行全面的 GPR 信号分析
摘要 —本文全面分析了各种土壤特性如何影响探地雷达 (GPR) 接收信号的特征。这些特性包括介电特性、厚度、层数、雷达配置和表面粗糙度。本文使用 gprMax 进行了详尽的分析，模拟了不同的土壤介质场景，以展示这些参数如何影响 GPR 接收信号。所提出的方法通过描述性统计分析从接收信号中提取关键特征以表征土壤。然后，本文部署了机器学习 (ML) 技术，特别是随机森林 (RF) 模型和基尼均值减少杂质 (MDI) 作为度量，以识别数据集中最有影响力的特征。此过程从时域中提取一组简洁的特征，然后使用频域特征进行扩展。所提出的方法不仅可以有效地捕获高维 GPR 数据中的关键信息，还可以降低其维数，确保保留基本信息。使用这些重要特征而不是复杂的原始 A 扫描数据来训练 ML 和深度学习 (DL) 模型，可以实现更准确的土壤湿度和地下分析。
排雷传感器建模和特征级融合... - LISC
摘要— 开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。结构和参数学习算法用于在 BN 模型中编码地雷特征、传感器测量值和环境条件之间的关系。推理用于在存在异质土壤和不同环境条件的情况下估计目标特征。开发了一种在 BN 模型上运行的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确性相对于单传感器测量提高了 64%
贝叶斯网络的排雷传感器建模和特征级融合
摘要— 开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法对 BN 模型中的地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和变化的环境条件的情况下，推理用于估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确性相对于单传感器测量提高了高达 64%，并且同时检测和分类的物体数量增加了高达 62%。