XiaoMi-AI文件搜索系统
World File Search System提升机
船舶所有人和经营者 - ClassNK
装载是指将货物从船外某处运送到船上某处或在船上各处之间转移货物，包括相关操作，例如捆扎和固定货物以及将夹子和销钉插入固定装置，但不包括船上各处之间的转移：(a) 属于船舶的物料、食品、设备和燃料；或 (b) 邮件；或 (c) 乘客的行李。可拆卸装置是指可用于将负载连接到起重设备上但不构成设备或负载组成部分的设备，包括滑轮组、卸扣、吊钩、转环、连接板、环、手拉滑车或提升机、链条或检修重物。物料搬运设备是指设计用于传送或用于传送货物的物品或物品的集成组件，包括起重设备、货物设备、可拆卸装置、机械装载设备或人员吊架。机械装载设备是指用于运输或移动货物的轮式或履带式机器或车辆，包括叉车、跨运车、侧装车、拖拉机、推土机、前端装载机、拖车或卡车。操作者 ，就船舶而言，是指船舶所有人或任何其他组织或个人，例如管理人或光船承租人，他们已从所有人手中承担了船舶运营的责任，并在承担该责任时同意接管《2002 年国际安全管理规则》规定的所有职责和责任。 所有者 ，就用于船舶装卸的岸上设备而言，包括为装卸操作而占有设备的人。托盘 是指具有 2 个相互连接的甲板的载重平台，甲板之间分开，以允许起重设备（例如叉臂、叉齿、杆或吊索）进入。负责人是指根据第 14 条任命的人员。人员吊架是指附在起重设备上用于吊起人员的装置。物料搬运设备登记册是指第 6 部分中提到的登记册。负责人是指具有足够的实践和理论知识和经验，能够发现和评估可能影响物料搬运设备预期性能的任何缺陷和弱点的人员。
增材制造中打印质量预测的光谱特征分析：基于声学的方法
摘要：增材制造 (AM) 工艺中的质量预测至关重要，特别是在航空航天、生物医学和汽车等高风险制造业。声学传感器已成为一种有价值的工具，可通过分析特征和提取独特特征来检测打印图案的变化。本研究重点关注熔融沉积成型 (FDM) 3D 打印样品立方体 (10 mm × 10 mm × 5 mm) 的声学数据流的收集、预处理和分析。以 10 秒为间隔提取不同层厚度的时域和频域特征。使用谐波-打击源分离 (HPSS) 方法对音频样本进行预处理，并使用 Librosa 模块对时间和频率特征进行分析。进行了特征重要性分析，并使用八种不同的分类器算法（K最近邻（KNN）、支持向量机（SVM）、高斯朴素贝叶斯（GNB）、决策树（DT）、逻辑回归（LR）、随机森林（RF）、极端梯度提升（XGB）和轻梯度提升机（LightGBM））实施机器学习（ML）预测，以基于标记数据集对打印质量进行分类。使用具有不同层厚度的三维打印样品（代表两种打印质量水平）生成音频样本。从这些音频样本中提取的频谱特征作为监督ML算法的输入变量，以预测打印质量。调查显示，频谱平坦度、频谱质心、功率谱密度和RMS能量的平均值是最关键的声学特征。使用包括准确度分数、F-1分数、召回率、精确度和ROC / AUC在内的预测指标来评估模型。极端梯度提升算法脱颖而出，成为最佳模型，预测准确率为 91.3%，准确率为 88.8%，召回率为 92.9%，F-1 得分为 90.8%，AUC 为 96.3%。这项研究为使用熔融沉积模型进行基于声学的 3D 打印部件质量预测和控制奠定了基础，并可扩展到其他增材制造技术。
技术能力
A 支付能力 8270 混凝土坝基础 8312 可访问性合规性与评估 8120 混凝土坝与混凝土结构检查 8130 酸性矿井排水 8313 混凝土坝、地震分析 8110 声学 8560 混凝土管道设计与调查 8140 行政记录管理 8270 混凝土修复、测试与技术 8530 航空摄影 8250 高性能混凝土 8530 骨料测试 8530 预制混凝土 8120 农业气象学 8250 状况评估、材料或结构 8530/8540 两栖动物研究与调查 8290 锥体渗透测试 (CPT) 8320 辅助服务监控 8440 建设成本估算与提案审查 8520 水生生物修复与系统 8290 建设成本趋势、指数 8520 含水层/溪流8320 施工地质测绘 8320 电弧闪光 8440 施工管理与合同进度安排 8510 建筑设计 8120 施工质量保证/材料测试 8530 建筑模型 8560 施工支持与检查 8510 竣工图/TSC 图 8322 消耗性使用 8210 大气/流域生态系统模型 8250 合同索赔咨询服务与管理 8510 AutoCAD 8322 控制系统分析与测试 8440 自动数据采集系统 8320 控制系统设计 8430 自动化、灌溉 8560 受控低强度材料 (CLSM) 8530 自动化、发电厂与发电控制 8450 输送系统自动化 8140 鸟类调查与研究 8290 输送机 8410 B 芯回收 8320 河岸与河床稳定化与河床物质采样 8240 腐蚀保护/监测 8540 水深测量 8560 土壤和水的腐蚀性测试 8540 电池测试 8450 成本分配效益与评估 8270 轴承冷却系统 8410 成本与效益 8270 生物防治 8560 起重机和提升机 8410 爆破要求 8312 关键路径法 (CPM) 计划 8510 内窥镜检查 8410 交叉排水研究 8250 借土区开发 8311/8320 截水墙 8313 借土、桥梁和建筑调查 8320 D 桥梁和建筑基础、地质分析 8320 大坝和潜水检查及潜水队 8130 桥梁 8150 大坝溃口建模 8560 预算和进度制定 建筑增建、改造、修复、拆除或改造 8010 （泥沙输送） 8240
预测急性缺血性中风早期结果影响因素的机器学习模型：基于登记的研究
背景：及时准确的结果预测在指导急性缺血性卒中的临床决策中起着至关重要的作用。急性期后的早期病情恶化和严重程度是长期结果的决定因素。因此，预测早期结果在急性卒中管理中至关重要。然而，解释预测并将其转化为临床可解释的概念与预测本身一样重要。目的：这项工作专注于机器学习模型分析在预测缺血性卒中早期结果中的应用，并使用模型解释技巧来解释结果。方法：招募 2009 年在长庚医疗系统卒中登记处 (SRICHS) 登记的急性缺血性卒中患者，对两个主要结果进行机器学习预测：出院时的改良 Rankin 量表 (mRS) 和住院期间病情恶化。我们将 4 种机器学习模型，即支持向量机 (SVM)、随机森林 (RF)、轻梯度提升机 (LGBM) 和深度神经网络 (DNN) 与受试者工作特征曲线的曲线下面积 (AUC) 进行了比较。此外，3 种重采样方法，即随机欠采样（RUS）、随机过采样和合成少数过采样技术，处理了不平衡数据。模型基于特征重要性排序和 SHapley 加性解释（SHAP）进行解释。结果：RF 在两种结果中均表现良好（出院 mRS：平均 AUC 0.829，SD 0.018；院内恶化：原始数据上的平均 AUC 0.710，SD 0.023，对于不平衡数据，使用 RUS 重采样数据上的平均 AUC 0.728，SD 0.036）。此外，DNN 在预测未重采样数据的院内恶化方面优于其他模型（平均 AUC 0.732，SD 0.064）。总体而言，重采样对使用不平衡数据预测院内恶化的模型性能的改善有限。从美国国立卫生研究院卒中量表 (NIHSS) 获得的特征、白细胞分类计数和年龄是预测出院 mRS 的关键特征。相反，NIHSS 总分、初始血压、是否患有糖尿病以及血象特征是预测住院期间病情恶化的最重要特征。SHAP 摘要描述了特征值对每个结果预测的影响。结论：机器学习模型在预测早期卒中结果方面是可行的。丰富的特征库可以提高模型性能。初始神经系统水平和年龄决定了出院时的活动独立性。此外，
无人机改编和对传感器设备的配置，用于实时数字水质测试应用
本报告描述了一个综合水质测试平台的开发，该平台将通过新的Droneport系统技术扩展约翰内斯堡大学（UJ）移动实验室系统。该系统可以为与水质测试方案相关的任务提供各种应用程序，用于评估水中的细菌，化学，金属和其他内容，并扩大其与安全和资源管理监视，映射以及其他定义的空中成像范围有关的任务范围。移动实验室系统提供了多种测试/分析设备和消耗品，以进行现场远程水质测试和分析。嵌入在拟议的移动实验室系统中的无人机技术支持无人机操作，用于使用直接插入水源的测试探针进行数字化测试。无人机操作还将被电容以进行水资源管理范围内定义的所有与摄影测量相关的操作。还将通过绞车安装的通用录音机，实验室对私人云的实验室进行电容，在无人机和实验室之间进行记录，向上/下载数据。UJ参与WRC赞助的无人机适应和对现场的传感器设备的配置，实时数字水质测试应用程序提供了一个渠道，可以在其中实现其目标，以创建集成水质测试平台。这个WRC赞助的项目的标题还简洁地捕获了UJ操作范围。还对适应或安装的绞车系统进行了无人机（UAV）进行研究。另一个严重的动机和考虑是，被驾驶的最前沿和创新技术涉及生物纳米传感器和无人机平台启动的数字探针。The success of the pilot study is contingent on integration of the Stellenbosch University (SUN) digital bacterial probe to Drobotics drone-adapted launch platform configured to relay probe binary data received in real-time from water surface-deployed probes to universal recorders installed and integrated onto the launch platform, further configured to relay data via radio communication in real-time to a command-and-control unit installed in an UJ Mobile Laboratory.进行了与无人机在水资源管理过程中的各种应用中有关的广泛研究和研究。几乎没有与无人机在部署数字探针部署中有关的信息，也没有与使用吊索或绞车/提升系统的启动有关的信息。从无人机平台上唯一记录的数字探针启动涉及无人机下方的多个附加探针，该探针被配置为浮选平台。记录的吊索使用是用于在水收集中发射抽水机以及Sonar Beam设备的部署。因此，操作的范围提出了一个假设，即吊索和/或绞车/提升系统应最适合作为探测水质测试过程中的水源的启动平台。有许多可用的现成无人机调整的绞车/提升机系统，但是，几乎所有配置都以各种配置设计用于从点到点运输包裹/包装。范围需要在运输/启动探针时采用更集成的方法，因为它需要发布/部署，稳定的悬停能力和提升，并涵盖接收和记录的实时数据。在考虑了使用无人机平台进行水资源管理的多个案例研究之后，它决心设计和构建我们自己的集成无人机适应的绞车系统，而不是获取和重新配置通用的现成系统。Drobotics Winch/Hooist系统的设计和配置为启动数字水质测试探针。