XiaoMi-AI文件搜索系统
World File Search System智能手机
基于计算机视觉方法的智能手机跟踪手动障碍
摘要。本文介绍了使用基于智能手机的计算机视觉技术来诊断手动障碍的经济高效，高效且可访问的解决方案的开发。它突出了使用TOF相机数据与RG数据和机器学习算法相结合的想法，以准确识别四肢和运动，这克服了传统运动识别方法的局限性，改善了康复和降低专业医疗设备的高成本。使用智能手机和先进的计算方法的无处不在，该研究提供了一种新的方法来提高运动障碍诊断的质量和可及性，为未来的研究和在临床实践中的研究和应用提供了有希望的方向。
学习了基于深度学习的移动 NPU 的智能手机 ISP，移动 AI 2021 挑战赛：报告
随着手机摄像头的质量开始在现代智能手机中发挥关键作用，人们越来越关注用于改善手机照片各个感知方面的 ISP 算法。在这次移动 AI 挑战赛中，目标是开发一个基于深度学习的端到端图像信号处理 (ISP) 管道，该管道可以取代传统的手工制作的 ISP，并在智能手机 NPU 上实现近乎实时的性能。为此，参赛者获得了一个新颖的学习到的 ISP 数据集，其中包含使用索尼 IMX586 Quad Bayer 移动传感器和专业的 102 兆像素中画幅相机拍摄的 RAW-RGB 图像对。所有模型的运行时间都在联发科 Dimensity 1000+ 平台上进行评估，该平台配备专用的 AI 处理单元，能够加速浮点和量化神经网络。所提出的解决方案与上述 NPU 完全兼容，能够在 60-100 毫秒内处理全高清照片，同时实现高保真效果。本文提供了本次挑战赛中开发的所有模型的详细描述。
接种疫苗。拿起你的智能手机。开始使用 v-safe。
* 在 v-safe 使用由 CDC、FDA 和其他联邦机构管理的现有信息系统的范围内，这些系统采用适合数据敏感度的严格安全措施。这些措施在适用的情况下符合以下联邦法律，包括 1974 年《隐私法》；与 1996 年《健康保险流通与责任法案》（HIPAA）一致的制定标准；《联邦信息安全管理法》和《信息自由法》。
众包 GNSS 智能手机的自动选择......
智能手机已转换为便携式GNSS（全球导航卫星系统）接收器。具有数十亿此类设备记录的GNSS数据具有很大的科学研究潜力，并具有前所未有的时空分辨率。但是，目前访问大型GNSS智能手机数据的访问量是有限的，并且数据处理具有挑战性。Camaliot项目（机器学习技术在GNSS IOT数据融合中的应用）旨在解决这些问题，以促进众包GNSS数据的可用性，以进行天气预报和太空天气监测。Camaliot众包活动中大量的GNSS数据具有异质性的质量。为了应对此数据处理挑战，我们使用机器学习（ML）开发了一种自动数据选择算法。在这项研究中，比较了不同ML模型的分类性能。还检查了不同数据质量指标的重要性。初始结果表明，基于ML的分类器可以在广告系列的实际数据上获得95％的精度，而无需为质量指标设置明确的阈值。基于选定的智能手机GNSS数据，也进行了对流层参数估计实验。
附录2，2025年3月2日RFP 2024-21智能手机设备...
****************************************************************************************************************************************** The following are official modifications which are hereby incorporated into RFP 2024-21 Smartphone Technology and Smartphone Devices.本附录中包含的信息占以下所有修正案的原始RFP语言。对于以下修正案，已删除的语言出现在StrikeThrough（“ xxx”）中，并添加的语言以粗体下划线（“ xxx”）出现。项目1：[主题接触已发生变化] pirmunders subject m atter c ontact：根据州财务法律§139-J（3）（a），矫正和社区监督部确定了以下与书面提案，书面问题，预先提出问题的交流有关的允许联系，并确定了书面问题，预先提出问题，和图片。Joanne Hughes Krystal Allery纽约州惩教和社区监督合同采购单元550 Broadway Menands，纽约12204电话：518-486-5283电子邮件地址：doccscontracks@doccs.ny.gov
精神健康和福祉的智能手机应用
智能手机的传播（全球超过20亿用户）1伴随着数字智能手机应用程序的快速分离，包括用于健康和福祉。这种现象可以潜在地减少精神卫生服务提供的差距。因此，世界卫生组织启动了2020 - 2025年全球数字健康战略“为了改善每个人的健康，通过加速和采用适当，可及，可及，可及，可持续性，以人为中心的以人为中心的数字健康解决方案”（第3页）。2为精神健康状况提供大规模筛查和治疗工具的机会导致了该领域的迅速发展（除了许多与福祉相关的应用程序外，还可以通过Google Play和App Store提供10,000多种心理健康应用程序）。3,4此外，已经启动了一些智能手机应用程序，该应用程序针对有问题的智能手机使用。4,5尽管与健康相关应用的质量相关的重要问题，但有6,7个元评论和荟萃分析的证据表明，某些心理健康应用程序可能会在减少焦虑，抑郁和“压力。” 8 - 11
使用智能手机驱动的，快速积累的社区源数据来促进生物多样性监测
摘要生态系统服务部分源自生物学多样性，是对人类社会的基本支持。但是，人类活动对生物多样性造成了损害，最终危害了这些关键的生态系统服务。停止自然损失并减轻这些影响需要全面的生物多样性分配数据，这是实施Kunming-Montreal全球生物多样性框架的要求。为了有效地从公众那里收集物种观察，我们在日本启动了“生物群体”移动应用程序。通过采用物种识别算法和游戏化元素，该应用程序自2019年推出以来已收集> 600万的观察结果。但是，社区采购的数据经常表现出空间和分类偏见。物种分布模型（SDMS）在适应这种偏见的同时推断物种分布。我们研究了Biome数据的质量以及合并数据如何影响SDM的性能。物种鉴定精度超过鸟类，爬行动物，哺乳动物和两栖动物的95％，但是种子植物，软体动物和鱼类得分低于90％。对日本的132种陆地动植物的分布进行了建模，并通过将我们的数据纳入传统的调查数据来提高其准确性。对于濒危物种，传统的调查数据需要> 2,000个记录以构建准确的模型（Boyce指数≥0.9），尽管将两个数据源混合在一起时仅需要CA.300记录。独特的数据分布可能解释了这一进步：生物群落数据统一涵盖了城市 - 自然梯度，而传统数据则偏向自然区域。将多个数据源结合起来提供了对日本物种分布的见解，有助于保护区域名称和生态系统服务评估。提供一个平台来积累社区来源的分布数据和改进数据处理协议，不仅有助于保存自然生态系统，还将有助于检测物种分布变化和测试生态理论。
引用Daranagama Das和Takeuchi W（2025）智能手机应用于在油棕中检测和可视化基础茎腐病阶段。正面。 r
农产品，使其成为满足各种需求的首选。此外，棕榈油发挥了至关重要的经济作用，对生产国，尤其是马来西亚和印度尼西亚的国内生产总值（GDP）做出了重大贡献（Jazuli等，2022）。为了确保一致的生产并支持其经济重要性，油棕行业的可持续性至关重要（Siddiqui等，2021）。油棕种植园面临各种植物疾病和害虫的显着威胁，由真菌Ganoderma Boninense引起的基础茎腐病（BSR）是最关键的挑战，尤其是在马来西亚和印度尼西亚（Baharim等人，2024年，2024年； Liaghat等人； Liaghat等人，2014年）。BSR显着降低了产量，通常会降低50％至80％，并且可能在成熟的油棕架上导致高达80％的死亡率到其25年寿命的中点（Murphy等，2021）。年轻的棕榈通常在显示症状的6 - 24个月内屈服，而成熟的棕榈也可以额外生存2 - 3年（Siddiqui等，2021）。病原体感染了树干的木质部，破坏了水和营养分布。这会导致症状，例如黄色和坏死叶，未打开的长矛，冠层尺寸减小以及特征性的裙子状冠状形状（Baharim等，2024）。然而，这些叶面症状通常出现在感染的晚期阶段，使得早期发现很难（Baharim等，2024）。最大程度地减少BSR的影响仍然是产生油棕国家的主要挑战，尤其是马来西亚和印度尼西亚（Baharim等，2024）。，例如，Maeda-Gutiérrez等。早期发现BSR感染可以及时治疗感染的油棕，从而防止了对树的进一步损害（Husin等，2020）。BSR检测可以大致分为三种方法：手动，基于实验室和远程技术（Husin等，2020）。传统的手动方法涉及劳动密集的视觉检查，这些视觉检查通常对大型种植园而言通常不具体（Husin等，2020）。相比之下，实验室程序，例如Ganoderma选择培养基（GSM），聚合酶链反应（PCR）和与多克隆抗体（ELISA-PABS）的酶连接的免疫吸附测定是时间耗时，昂贵，并且缺乏精确。此外，这些方法通常只有在疾病已经明显升级时才产生结果（Bharudin等，2022； Tee等，2021）。遥感技术包括基于基的方法，例如陆层激光扫描（Husin等，2020）和电子鼻系统（Abdullah等，2012），以及基于UAV的成像（Ahmadi等，2023; Baharim等，2023）和Satellite Platferal（2021）和2021的空中方法。然而，这些方法通常面临诸如高运营成本，有限的空间解决方案以及在广泛采用方面的困难之类的挑战。这强调了对早期检测BSR的更快，更具成本效益的方法的关键需求（Bharudin等，2022）。深度学习的进步在各种计算机视觉任务中取得了巨大的成功，尤其是在图像分类中（Barman等，2024）。同样，Ahad等人。卷积神经网络（CNN）已成为视觉识别的主要结构（Barman等，2024）。（2020）评估了五个CNN模型，包括Alexnet（Krizhevsky等，2012），Googlenet（Szegedy等，2015），Inception v3（Szegedy等，2016），2016年），Resnet 18和Resnet 18，and Resnet 50（He He et and for Goognet coogne for Anee for Sneas and and and and and and nine nine nine nine nine nine nine nine nine nine nine类型， 99.72％。（2023）证明了CNN对水稻疾病分类的潜力，其中一个集合框架（DEX）
智能手机摆的定量分析超出线性近似：锁定实际作业
如今可以直接访问传感器数据的应用程序，用于用于高中和大学生的实践教学练习。振荡运动是物理学的基石，许多论文都发表了使用智能手机来访问古典实验1或提出创新的习惯实践。2,3个简单摆4-6或复合摆7的不同配置已被赋予。其他研究涉及水平振荡质量8,9以及可能的耦合系统。8,10的信息，但是可以使用其他传感器，例如磁场，12,13光强度9,14和旋转15。此外，某些应用程序允许进行合并的磁盘和加速度记录，从而进行了有趣的研究。15最后，还使用了其他开放平台，例如Arduino 7或视频录制16。最近出现在本期刊上的有关移动设备和物理教学传感器的详尽资源信函。17
车轮上的智能手机：商业问题改变游戏规则，以确保Connected车辆中的ICT供应链
美国商务部工业和安全局（BIS）于2025年1月16日发布了最终规则，禁止了配备有车辆通信系统（VCS）的车辆的进口，销售和制造根据最终规则，其中包括中国和俄罗斯。最终规则（制定）将显着影响实体上下连接的车辆供应链，该链条属于VCS硬件进口商和/或连接的车辆制造商的定义。这些受监管的实体可能包括VCS硬件和互联车辆系统的旧式汽车制造商，技术公司和组件供应商。