XiaoMi-AI文件搜索系统
World File Search System水下
基于物联网的水下机器人技术用于水产养殖中的水质监测：调查
水质对于依赖海洋资源的海洋生态系统，人类福祉和经济体的健康至关重要。尤其是关于核污染的挑战，诸如Tritium of tritium的同位素是杰出威胁[19，21]。本文调查了水下机器人系统的新兴应用，并由物联网（IoT）技术的基础，在水产养殖中。重点是它们进行连续水质监测的潜力，在促进与研究人员的富裕数据相互作用的同时，采用可持续检测方法。近年来，人们见证了通常称为自动水下车辆（AUV）的水下机器人的激增[23，13]，重新操作的车辆（ROVS）[1] [1]，当在水面上，在水面，Au au自主的表面车辆（ASVS）（ASVS）[24] [24] [24] - 进行水质评估。配备了一系列传感器，这些不足的机器人具有监视各种环境（无论是海洋，河流还是湖泊）的水质指标的能力。
一个联合学习框架，用于增强水下无人机分布式网络的数据安全和网络入侵检测
抽象的水下无人机对于科学研究，环境监测和海上操作至关重要，可以在具有挑战性的环境中收集数据。然而，他们的部署面临着低带宽，高潜伏期，信号衰减以及由于流动性和水流而导致的间歇性连通性等问题。在这些条件下，传统的集中数据处理方法效率低下，因为它们需要将大量原始数据传输到中心位置。为了应对这些挑战，本研究提出了专门针对水下网络量身定制的联合学习（FL）框架。与集中式方法不同，FL使水下无人机可以通过在本地处理数据并仅与中央服务器共享模型更新来协作训练全球入侵检测模型。这种方法可以通过确保敏感信息永远不会离开本地设备，从而降低传输过程中拦截或妥协的风险来显着提高数据安全性。此外，FL的分散体系结构固有地与水下无人机网络的动态和分布式性质保持一致。提出的框架通过利用各个无人机的局部见解来检测威胁，包括零日攻击，而无需直接暴露敏感数据，从而改善了网络入侵检测。通过保留隐私并实现协作异常检测，FL解决了水下互联网事物中的关键网络安全挑战（IOUT）。
3D感知和海洋科学水下机器人技术的增强现实发展
深海环境的科学探索代表了水下技术的持续更新挑战。调查和研究与主要社会问题有关，例如生物多样性，全球变化，生活资源，矿产或化石水库，以及与人类活动对我们星球的影响有关的问题。主要依靠远程操作的深海车辆（ROV），实现水下研究任务取决于精确导航的技术能力，以提供可靠的视觉和空间信息，以进行精确的测量，以进行精确的测量，以收集各种性质，矿物质，矿物，水上，水上的代表性样品，并将其置于海上设备上。ifremer用于科学研究的ROV如图1所示。
基于对比学习的水下图像增强和检测方法
摘要：水下图像遭受颜色失真和细节的损失，这严重影响了水下机器人的视觉感知能力。为了提高检测准确性，提出了一个多任务学习框架，以基于对比度学习的水下图像增强和对象检测提出了多任务学习框架，这不仅会产生视觉上友好的图像，还可以提高对象检测精度，从而实现对象检测任务的图像增强图像。为了解决不清楚目标纹理特征的问题，用于检测任务的区域生成模块用于构建用于对比性学习的正面和负面图像块，以确保目标区域更接近特征空间中的原始图像。此外，检测到的梯度信息用于指导图像增强方向，有益于目标检测。此外，提出了一种基于循环生成对抗网络的图像翻译方法来学习和保留图像增强的清晰图像特征，从而消除了对配对的水下图像的需求并减少了数据要求。最后，在EUVP，U45和UIEB数据集上对增强算法进行了验证，并且在RUOD，URPC2020和RUIE数据集上验证了检测算法。实验结果表明，所提出的算法可以在主观视觉中有效纠正颜色失真，同时保留原始图像和目标的结构纹理。就客观指标而言，峰值信噪比达到24.57 dB，结构相似性达到0.88。在更快的R-CNN（基于区域的卷积神经网络）和Yolov7（您只看一次，版本7）算法后，检测精度平均提高了2％。关键字：水下图像增强；对比学习；循环生成对抗网络；对象检测
实用的建模工作和控制水下机器人
简历：2021 - 2022年大学期间，首次促进了伊拉斯mus蒙德斯·米尔（Mundus Mir）（海洋和智能机器人技术的硕士学位），始于图伦大学。在第一年提供的课程中，一个模块旨在建模和控制水下机器人。在这一领域，有许多非模型现象，实验的使用对于使学生既有一定数量的非常具体的实验知识（尤其是对于模型的识别），并概述了高度非线性系统是水下车辆的控制。在本文中，我们描述了两个实际的工作会议，在此过程中，学生首次操纵水下机器人，并识别模型的某些模型，并根据两个自由度（深度和帽子）进行控制。学生以学生评估这一教学。关键字：水下机器人技术，自动，建模，控制，实际工作。
在丽贝卡·埃利奥特（Rebecca Elliott）的水下：损失，洪水保险和美国气候变化的道德经济
仍然是理论上的'（圣约翰，2019年）。作为受飓风桑迪（Sandy）影响的居民，并且正如丽贝卡·埃利奥特（Rebecca Elliott）的书提醒我们的那样，气候变化的影响不仅是理论上的。随着佛罗里达州门口的浮游圈和在加利福尼亚的郊区撕裂的野生动物撕裂，很明显，城市必须改变或继续面临破坏。问题是 - 面对巨大的损失，谁负责这一变化？在水下：损失，洪水保险和美国气候变化的道德经济，丽贝卡·埃利奥特（Rebecca Elliott）的奇异成就正在创建一个社会学框架，以面对这个问题。这本书是围绕损失的概念而组织的，这些损失源于损失，这些损失源于克利姆特的变化。埃利奥特（Elliott）认为，由于“现在显而易见的是气候变化破坏，损害和摧毁”（埃利奥特（Elliott），2021b，p。3），已经过去了社会科学家将他们的意义转移到旨在管理这些损失的机构中。通过保险，气候风险得到了经济的评估，或者是如何在家庭财政上进行节省的。为了说明这种动态的埃利奥特（Elliott），通过对美国浮游保险的深入历史和社会学考试来研究气候变化的道德经济。她的经验重点是国家洪水保险计划（NFIP）。水下的主要产物是损失的政治，在家里近在咫尺。这本书始于一个关于皇后区居民的故事。虽然Doyle的家不再在水下，但可能是如此。尽管他的墙仍然带有桑迪（Sandy）浮出水面的痕迹，但帕尔默·道尔（Palmer Doyle）的主要关注点是他是否负担得起新的保险费率。埃利奥特（Elliott）的中心论点是，保险是一个损失的地点，随后出现了道德困境（Elliott，2021b，p。7）。谈判包括关于公平和有价值的问题，以及关于谁可以在哪里，在哪里，多长时间和以多少代价生活的政治和道德问题。对于埃利奥特（Elliott）来说，气候变化的道德经济可以概念化为围绕损失的三个相互关联的困境集：责任，正当和损失的补偿。这些困境在多章中出现并重叠，说明了道德经济的复杂性质。这本书的经验故事是按时间顺序组织的，围绕过去，预先提出和可能的未来。在第1章中，埃利奥特（Elliott）提供了历史性的概述，概述了它所面临的NFIP和困境的起源，负责损失。埃利奥特（Elliott）描述了如何通过保险来构建的风险，以及这种转变如何需要“良性行为的特定愿景”以降低风险（Elliott，2021b，p。28）。在解决补贴利率可能对长期洪水土地利用的影响时，决策者和联邦官员认为，假设房屋已被损坏后，将被放弃，从而造成补贴政策的“自然磨损”（Elliott，2021b，2021b，p。56）。房主挑战了这样的假设，即财务薪酬是他们将损失的一切的公平权衡。这将水下放在对话中当这种消耗没有实现时，1973年对NFIP的叙述性的理由转移到了洪流受害者的应有性，以访问财务财务。在第2章中，埃利奥特（Elliott）将读者带入纽约人的家园，以应对飓风桑迪（Sandy）的后果，在那里失去财产意味着失去家庭和社会关系。对于一个面临决定支付100 000美元来减轻风险或将其子女送入大学的妇女来说，流量保险将财务价值带到风险上（Elliott，2021b，第83页）。尽管埃利奥特（Elliott）描述了详细的道德损失经济，但她从未看不见保险既是机构又是一门技术。
通过元光栅实现水下声波的有效非对称传输
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
水下无人机是一种低成本但功能强大的水下考古映射工具：地中海的案例研究
本文调查了水下考古映射的微级远程操作车辆（ROV）（通常称为水下无人机）的变革性影响。随着无人管理的水下车辆（UUV）技术的进步导致功能增加和成本降低，这些紧凑型和用户友好的无人机正在使水下考古遗址更加易于使用，从而减少了对人类潜水的需求。该论文首先强调了ROV的优势，包括其可移植性，可操作性以及对实时数据评估进行半自主映射的能力，从而增强了决策制定并最大程度地减少了对现场重新审视的需求。第二，它提出了希腊Phournoi群岛的两项案例研究，证明了在摄影映射中有效地使用了水下无人机在摄影映射中，对已故的Amphora货物沉船以及对历史上重要的锚固地点进行了大规模的测量。这些发现强调了这项技术彻底改变水下考古文献的潜力，类似于陆地文化遗产映射如何从空中无人机摄影测量中受益。
水下机器人社区参与项目
School of Engineering ENGG 2900D School of Science SCIE 1090D School of Business and Management SBMT 2100H Course Title: Community Services Project: Underwater Robot Community Engagement Project Duration: Spring Semester, 2025 Project Introduction and Guideline This Project course (ENGG2900D/SCIE1090D/SBMT2100H) gives HKUST undergraduate students the opportunity to work in teams from different schools (i.e.seng/ssci/sbm），服务已确定的社区群体（即小学和中学生/南亚青年等。），了解对服务组的局限性，并学习如何应用水下机器人建造的理论知识。在整个项目中，HKUST本科生将充当讲习班的教师/助手，转移其水下机器人技能，帮助小学和中学生和/或南亚青年建立其原型。HKUST本科生还将在整个项目中学习活动管理的技能。i）主题