XiaoMi-AI文件搜索系统
World File Search System检查人员
基于视觉的无人机自主飞行器姿态估计...
摘要 — 飞机检查的可靠性对飞行安全至关重要。飞机结构的持续适航性很大程度上取决于经过培训的检查人员对小缺陷的目视检测，这些检查任务昂贵、关键且耗时。为此，无人机 (UAV) 可用于自主检查，只要能够在绕目标飞行时定位目标并纠正位置即可。这项工作提出了一种解决方案，用于在近距离自主绕机身飞行以进行目视检查任务时检测飞机相对于无人机位置的姿态。该系统的工作原理是处理来自机载 RGB 相机的图像，将传入的帧与已知机身表面位置的自然地标数据库进行比较。该解决方案已在真实的无人机飞行场景中进行了测试，显示出其在高精度定位姿态方面的有效性。所提出方法的优势具有工业意义，因为我们消除了现有技术解决方案中存在的许多限制。索引词——视觉检查，自我定位，3D姿态，地标检测
海牙公约(二)第24-280号
检查人员身份。确保只有授权人员和车辆才允许进入；检查个人徽章、通行证和财产授权等文件，必要时拒绝进出。检查携带可疑包裹的人员。进行车辆检查，确保未带入违禁品、爆炸物或其他未经授权的材料。在获得相关组织的许可后签发访客许可证。为访客提供帮助和指导，以便他们到达目的地。在机场、弹药、营房、材料储存区和任务关键和脆弱区域 (MEVA) 执行步行巡逻任务，以防止未经授权的进入，检测危险情况，并确保没有发生入侵。通过操作双向无线电通讯设备，向警卫长或助理警卫长通报发现的安全问题和缺陷。在部门主管不在的情况下，操作和监控指定区域的安全警报系统。能够根据需要安全操作政府机动车。 2. 维护所需的日志和安全记录，即警卫活动、门禁日志、未上锁/不安全的建筑物、异常事件
人为因素指导，以提高海上石油和天然气工业无损检测的可靠性
跨行业试验和经验已证实，无损检测的可靠性会受到人为因素的显著影响。已评估人为因素对检测影响的重大试验包括 HSE PANI 项目、核工业中的 PISC III、美国老龄化飞机计划和 NIL POD 试验。一个常见的误解是可靠性差的根源在于检查员；这忽略了影响可靠性的许多其他因素，例如环境、组织、团队和程序。本文概述了 2016 年在 HOIS 海上检查 JIP（www.hois.co.uk）内启动的海上检查人为因素新项目的成果，旨在提高人们对人为因素对海上和陆上石油和天然气行业检查的有效性和可靠性的影响的认识。第一阶段的工作研究了一般问题、从过去的试验中吸取的教训、海上经验以及与海上检查工作范围的各个阶段相关的人为因素。确定的关键因素包括运营商和检查人员的能力、运营商和检查团队之间的良好沟通、对被检查的当地区域和损坏历史的了解、合格的海上检查工程师 (OIE) 的重要性、良好的通道和脚手架、实际或感知的时间压力以及检查员在现场检查方面的经验。当前阶段正在制定专门的
- 加拿大核学会
在国家研究通用 (NRU) 反应堆的一次定期维护停机期间，检查人员发现，在一次罕见但严重的地震后，保持反应堆冷却泵运行所需的紧急备用系统未能运行。事实上，该系统自安装以来就没有运行过，这违反了加拿大核安全委员会 (CNSC) 于 2005 年续签的 NRU 运行许可证。AECL 完全控制 NRU 运行的各个方面，因此，AECL 不应承担责任。然而，问题并不在于指责，而在于关注点。当一座满足 4% 电力需求的动力反应堆关闭时，运营组织就会损失收入。损失的只是钱。当满足全球 70% 医用同位素需求的 NRU 关闭时，损失的不仅仅是钱。每月约有 16 万名患者需要使用医用同位素进行治疗。尤其是钼-99的半衰期只有66小时，需要每天生产和分发。它不是可以储存的药物。如果NRU停工超过一周，人们就会受苦。CNSC正在关注一个安全问题。问题是，一场严重的地震可能会释放一些放射性气体，从而对反应堆造成潜在的损害。在NRU现场发生这种破坏性地震的可能性是1
桥梁检查备忘录第 24-01 号桥梁检查手册修订：关键发现
2024 年 1 月 30 日 致：所有检查人员和顾问 来自：/s/ Anthony Marino SPM Anthony Marino，PE 桥梁检查州项目经理 桥梁管理部 主题：关键发现 修订：印第安纳州交通部桥梁检查手册第 2 部分 生效：立即生效 第 2 部分第 2-4.0 节“紧急通知/关键发现”已被全部替换为以下叙述。 2-4.01 简介 所有桥梁检查员和桥梁检查团队负责人应使用本节详述的程序及时报告发现的严重桥梁状况，此类状况会给人员或财产造成直接安全隐患，或可能导致结构故障的直接结构隐患，不能无人看管，需要立即响应。本节定义了桥梁检查员、批准的桥梁检查团队负责人、桥梁所有者和印第安纳州交通部桥梁检查州项目经理 (SPM) 对此类情况的职责。任何经 INDOT 认证的桥梁检查组组长均可下令立即关闭任何看起来不安全的桥梁。2-4.02 关键发现 关键发现 (CF) 是结构或安全相关缺陷，对驾车公众的安全构成明显的直接威胁，需要立即采取行动以确保公共安全。根据联邦法规，此类缺陷包括但不限于冲刷、损坏、腐蚀、截面损失、沉降、开裂、挠曲、扭曲、轴承损失以及对公共安全构成直接威胁的任何情况。
fy 24课程日期
1。通过在固定的邮政或武装巡逻队的武装存在下提供身体安全，以保护能源部（DOE）利益免受盗窃，破坏和其他敌对行为，这可能会对国家安全以及员工，公共或环境的健康与安全造成不利影响。2。通过武装的物理存在可以使盗窃起到威慑作用。3。通过验证有效的安全徽章和物料通行证来控制对SNM和政府财产的访问；遵循有关访问SNM和政府财产的既定政策和程序。4。对激活的入侵检测和胁迫警报进行武装巡逻，监视和武装反应，以确保SNM的安全性，机密政府资料和财产。5。通过验证有效的安全徽章以及人员和车辆检查，控制人员和车辆进入物业保护区的入口和出口。6。通过目视检查人员和包裹来防止未经授权的财产和删除机密政府财产，并验证所需的清除水平以清除机密材料。7。通过执行安全规则和法规来维护良好的订单和纪律来保护站点员工。必须根据10 CFR 1046满足医疗要求。按照监督指示支持区域任务/活动的其他职责。8。9。根据10 CFR 1046。10。参加基于认知和绩效的培训和绩效测试，以证明工作水平，包括特定的工作知识和技能，身体健康和武器能力。在4分40秒内运行0.5英里的身体适应性标准，在8.5秒内易于运转40码。必须按照公司程序定义的环境，安全和健康履行所有责任，
MLC(K)24-209 - 美国陆军驻日部队
执行与他相关任务的程序 在 USARJ 装置或设施中轮流（夜间、白天、节假日）执行各种安全任务，无论天气如何，都要在室内和室外执行；常规任务需要持有枪械资格，并要求在值班时佩戴武器。 1. 在门口站岗，控制进出 USFJ 设施的行人和车辆交通，包括检查人员身份。确保只有授权人员和车辆才可以进入；检查个人徽章、通行证和财产授权等文件，必要时拒绝进出。检查携带可疑包裹的人员。进行车辆检查，以确保没有带入违禁品、爆炸物或其他未经授权的材料。在获得相关组织的许可后签发访客许可证。为访客提供帮助和指导，以便他们到达目的地。在机场、弹药、营房、材料存储区域和任务重要和脆弱区域 (MEVA) 执行步行巡逻任务，以防止未经授权的进入，检测危险情况，并确保没有发生入侵。通过操作双向无线电通讯设备，向警卫长或助理警卫长报告发现的安全问题和缺陷。在部门主管不在的情况下，操作和监控指定仓库的安全警报系统。能够根据需要安全操作政府机动车辆。85% 2. 维护所需的日志和安全记录，即警卫活动、大门日志、未上锁/不安全的建筑物、异常事件报告、识别人员、车辆和财产、安全警报系统日志等。15% 执行分配的其他职责。最低必要応募资格基础 / MINIMUM QUALIFICATION STANDARDS (MQS) 要求 :
职位名称：安全警察 (SPO) I 主管头衔：轮班中尉 轮班任务：轮换 空缺：48
1.通过在固定岗位或武装巡逻中驻扎武装人员提供物理安全，以保护能源部 (DOE) 的利益免遭盗窃、破坏和其他可能对国家安全、员工、公众或环境的健康和安全造成不利影响的敌对行为。2.通过武装物理存在起到阻止盗窃的作用。3.通过验证有效的安全徽章和材料通行证来控制对 SNM 和政府财产的访问；遵循管理对 SNM 和政府财产的访问的既定政策和程序。4.执行武装巡逻、监视和对激活的入侵检测和胁迫警报的武装响应，以保护 SNM、机密政府材料和财产的安全。5.通过验证有效的安全徽章以及人员和车辆检查来控制人员和车辆进出财产保护区。6.通过目视检查人员和包裹并验证移除机密材料所需的许可级别，防止机密政府财产被未经授权占有和移除。7.通过执行安全规则和规定，维持良好秩序和纪律，保护现场员工。必须符合 10 CFR 1046 的医疗要求。根据监督指示执行其他职责，以支持区域任务/活动。8.参加基于认知和绩效的培训和绩效测试，以展示工作能力，包括特定的工作知识和技能、身体素质和武器熟练程度。9.符合并保持 10 CFR 1046 中的基本准备标准 (BRS) 体能要求。体能标准为 4 分 40 秒内跑完 0.5 英里，8.5 秒内跑完 40 码俯卧跑。10.必须履行公司程序中定义的所有环境、安全和健康责任，
从 787 梦想飞机问题中吸取的有关锂离子电池可靠性的经验教训
停飞之前，其他子系统也发生了几次电气故障。全日空航空公司 (ANA) 报告称，2012 年 5 月至 12 月期间，至少有 10 块电池因电压异常或其他异常行为而不得不退回 [1]。2012 年 12 月 4 日，一架联合航空公司的航班在遇到电力问题后被迫紧急降落在新奥尔良 [2]，最初被认为是机械问题，但后来发现是由于电源面板主板上的电弧引起的。2012 年 12 月 13 日，一架卡塔尔航空公司的飞机因类似的电气问题停飞 [3]。几天后，联合航空公司证实其另一架 787 飞机也出现了电气问题 [2]。另一起事件涉及 2013 年 1 月 9 日的制动诊断系统误报 [4]。虽然这些故障引发了担忧，但最终停飞还是由 2013 年 1 月相隔 10 天发生的两次灾难性电池故障引起的。2013 年 1 月 7 日，一架停飞的 787 飞机发生电池起火。一名机械师注意到辅助动力装置 (APU) 发生电源故障，随后辅助电池端子冒出火焰和烟雾。快速释放旋钮熔化阻碍了第一时间响应，但电池大火最终被扑灭。一名消防员在电池泄压时被烧伤 [5]。2013 年 1 月 16 日，全日空运营的一架 787 飞机发生电池故障。此次故障导致飞行员在日本香川县高松机场紧急降落。据全日空航空公司副总裁 Osamu Shinobe 称，“驾驶舱内发出电池警报，并在驾驶舱和客舱内检测到异味，（飞行员）决定紧急降落”[6]。日本检查人员发现辅助电池系统可能接线不当 [7]，这进一步引发了人们对其他系统是否安装正确的疑问。
产前超声诊断中的人工智能
超声检查具有便捷、低成本、实时、无创等特点，是应用最广泛的影像学检查方式。产前超声检查作为妊娠期间最重要的影像学检查方法，可以评估胎儿的生长状况和出生缺陷，帮助胎儿在产前或产后得到及时有效的治疗。对于预后不良的畸形，及时终止妊娠可以降低严重出生缺陷儿的出生率。然而，这个耗时的过程在很大程度上取决于医生的经验和现有的设备，而且在实践中工作强度很大。人工智能(AI) (1)是指通过灵活的适应来解释外部数据和为特定目的进行学习的能力。机器学习(ML)是人工智能中越来越受关注的领域，它是一套强大的计算工具，可以根据从人类推理规则中获得的描述性模式来训练模型。然而，机器学习面临的一个主要问题是特征选择严重依赖于统计洞察力和领域知识，这一限制引发了深度学习的发展。作为机器学习的一个分支，深度学习利用了卷积神经网络——与图像相关的最强大的方法之一，它可以在有限的训练样本下实现高性能，甚至允许更抽象的特征定义。因此，它经常用于图像模式识别和分类。人工智能在放射学方面的研究已经很多（2-5），人工智能辅助诊断也成为超声领域的研究热点。一些专家在肝脏、甲状腺和乳腺疾病的智能超声诊断方面取得了成功（6-9）。然而，人工智能在产前超声诊断中仍处于起步阶段，尽管在测量、成像和诊断方面已经有了突破。这些应用意义重大，不仅提高了效率，而且弥补了部分检查人员经验不足和技能不足。在这篇综述中，我们介绍了人工智能在产前超声诊断中应用的最新文献（图 1）。