XiaoMi-AI文件搜索系统
World File Search System物体
SeaDroneSim：模拟空中图像以探测水面上的物体
无人驾驶飞行器 (UAV) 以其速度快、功能多样而闻名，可用于收集航空图像和遥感数据，用于土地利用调查和精准农业。随着无人机的可用性和可访问性的增长，它们现在作为船舶监控和搜索救援 (SAR) 行动等海洋应用的技术支持至关重要。无人机上可以配备高分辨率摄像头和图形处理单元 (GPU)，以有效和高效地帮助定位感兴趣的物体，适用于紧急救援行动，或者在我们的案例中，用于精准水产养殖应用。现代计算机视觉算法使我们能够在动态环境中检测感兴趣的物体；然而，这些算法依赖于从无人机收集的大型训练数据集，而目前在海洋环境中收集这些数据集非常耗时且费力。为此，我们提出了一个新的基准套件 SeaD- roneSim，它可用于创建具有真实感的照片级航空图像数据集，并为任何给定对象的分割掩模提供地面实况。仅利用 SeaDroneSim 生成的合成数据，我们在真实航拍图像上获得了 71 个平均精度 (mAP)，用于检测我们感兴趣的对象，即本可行性研究中流行的开源遥控水下机器人 (BlueROV)。这款新模拟套装的结果可作为检测 BlueROV 的基准，可用于
基于人工智能的物体检测和报警系统的开发...
这种实时人体物体检测是朝着自动创建 AI 报警系统迈出的一步，在安全和更好的应急响应方面具有广泛的应用。YOLO 算法的实施如今确保了实时高效准确的物体检测，增强了人机交互。尽管该系统可能在受控环境中具有实验经验，但通过不断调整和用户反馈，可以确保在各种现实情况下的有效性。该领域的未来工作将侧重于增强在困难条件下的检测能力并改进界面以供公众使用。这包括在安全、监视和搜索救援行动中引入该技术的其他应用。随着 AI 技术的不断发展，此类系统将适应改善应急响应和整体公共安全。
异常帧提取与物体跟踪混合...
摘要 — 由于视频数据提供了多种实例的详细信息，使用视频数据进行事件检测变得越来越流行。这种流行增加了设备数量的使用和来自各种来源的数据量，这使得对异常事件的手动检测变得非常复杂，最近的研究要求高度及时和高度准确的自动化过程。因此，这项工作提出了一个三阶段解决方案来解决这个问题：使用混合分割过程进行物体检测，准确率为 97%，使用预先训练的机器学习模型检测物体，准确率为 98%，使用预测回归模型检测运动，平均时间为 58 纳秒。这项提议的工作已经展示了基准测试结果，并展示了高度准确的检测过程，使基于视频的监控更安全、更好。
基于注意力驱动的卷积神经网络对物体的视觉识别
摘要 - 感知和识别对象的能力对于与外部环境的互动至关重要。研究它们及其与大脑活动变化的关系由于可能应用到直观的脑机界面（BMI）而增加。另外，已经研究了使数据足够可区分以进行分类的不同视觉刺激时的独特模式。但是，报告的分类精度仍然较低或用于获取脑信号的技术对于在实际环境中使用不切实际。在这项研究中，我们的目标是根据提供的视觉刺激来解码脑电图（EEG）信号。主题呈现了72张属于6种不同语义类别的照片。使用脑电图信号根据视觉刺激进行了6个类别和72个示例。为了达到高分类的准确性，我们提出了一个注意力驱动的卷积神经网络，并将我们的结果与用于对EEG信号进行分类的常规方法进行了比较。我们报告的6级和72级的精度分别为50.37±6.56％和26.75±10.38％。这些结果在统计学上优于其他常规方法。这是可能的，因为使用人类视觉途径应用了注意网络。我们的发现表明，当受试者具有不同语义类别的视觉刺激以及具有高分类精度的示例级别时，可以区分脑电图信号。这表明它可以在现实世界中将其应用于现实的BMI。
重建弹性物体中的放松配置
对生物组织和器官的行为进行建模通常需要在没有外部载荷的情况下了解其形状。但是，当通过成像技术在体内获取其几何形状时，由于外力的存在，物体通常会受到机械变形的约束，并且需要重建无负荷构型。本文通过深入研究理论和数值方面，特别关注心脏力学，解决了这个至关重要且经常被忽视的主题，称为反弹性问题（IEP）。在这项工作中，我们扩展了Shield的开创性工作，以确定IEP的结构，并在身体和主动力的情况下使用任意物质不均匀。这些方面在计算心脏病学上是基本的，我们表明它们可能打破了反问题的变异结构。此外，我们表明，即使存在恒定的neumann边界条件和多凸应变能量功能，逆问题也可能没有解决方案。然后，我们提出了广泛的数值测试的结果，以验证我们的理论框架，并表征与IEP直接数值近似相关的计算挑战。具体来说，我们表明该框架在鲁棒性和最佳性方面都优于现有方法，例如Sellier的迭代程序，即使通过加速技术改进了后者。一个值得注意的发现是，与标准弹性相比，多方式预审人员是一个级别的添加剂Schwarz和广义的Dryja – Smith-Widlund提供了更可靠的选择。最后，我们成功地解决了IEP以进行全心线的几何形状，表明IEP公式可以在现实生活中计算出无压力的配置，在现实生活中，Sellier的算法证明不足。
避免碰撞的可变形物体的多动物传输
摘要 - 在自动运输可塑造对象的问题中，我们提出了一种多机器人方法，将大对象转向目标配置（对象维度，方向和位置）。首先，我们基于对象边界框的尺寸和旋转时间的演化提出了一个变形模型。我们认为该对象是由一组带有双积体动力学的移动机器人抓住的。然后，我们提出了一组名义控制器，允许达到建模可变形对象的边界框的所需配置。为了防止对象与静态或动态障碍物的碰撞，我们制定了利用我们变形模型的控制屏障函数（CBF）。最后，我们将标称控制器和CBF集成到二次编程控制器中，其中包括过度拉伸的回避和速度约束。我们报告模拟结果，以显示在不同的测试方案中这种方法的性能。
金属探测器探测物体的信号印记 - CORE
人道主义排雷任务是将操作员安全和时间消耗作为关键问题的活动。为了提高我们一直在使用的 ATMID 金属探测器的识别能力，我们扩展了探测器的功能，在探测器头部安装了惯性测量单元 (IMU)，并辅以两个光学距离传感器。这使我们能够根据 IMU 在所有三个轴上测量的加速度和角速率进行航位推算。光学距离传感器用于补偿目的和初始距离测量。我们的主要目标是将探测器感测到的磁性印记与其头部的精确定位互连，从而估算印记尺寸及其位置。由于基于低成本微机电系统 (MEMS) 的 IMU 实现，我们不得不处理不稳定的航位推算结果。为此，我们使用了我们设计的复杂磁性标记 (CMM)，它标出了搜索区域，并为我们提供了其两侧的精确定位。本文的主要贡献在于研究和识别了 CMM 磁印特征及其与 CMM 在排雷过程中使用的各个方面及其条件相关的差异。根据多项实验室实验研究和分析了 CMM 的特性，并给出了结果。
局部磁场中铁磁物体的检测... - Sciendo
在地质研究中，人们采用多种方法来发现自然资源。在大面积研究中，人们使用飞机、直升机和无人机 (Un nm Anned V ehicle)。重力、电磁和磁力方法都用于研究。在重力方法中，可以测量地球重力的极小变化 [1]。现代重力仪的灵敏度小于 1 mGal (1 Gal = 10 −2 m/s 2 )。重力仪可以测量接近 10 −6 g 水平的地球重力变化。 莫斯科的 Gravimetric Technologies Ltd. 公司是少数几家领先的超灵敏重力仪生产商之一 [2]。图 1 [3] 显示了安装在 Cessna 404 飞机上的 GT-1A 重力仪。应用电磁法也可以发现自然资源矿藏。第一个电磁系统出现并于 20 世纪 20 年代在斯堪的纳维亚半岛、美国和加拿大开发。电磁法用于测量土壤的电导率。电磁系统安装在飞机或直升机上。大线圈由直升机牵引或由飞机携带。线圈中的电流脉冲产生强磁场（初级场），该磁场穿透地球各层（图2）。时变场在土壤中产生涡流。线圈电流切断后，只剩下产生磁场的涡流（二次
用于监视和物体跟踪的飞翼无人机
飞翼无人机的开发是一个反复的过程，其中考虑和分析了各个领域。飞翼无人机的机身采用 3D 打印，以便快速制作原型和重新配置，以便在短时间内测试不同的有效载荷配置。机翼和翼梢小翼由高密度泡沫制成，以保持重量并提供足够的耐用性（图 72）。初始翼型测试首先在 xflr5 软件（第 4 章：翼型选择）中利用计算流体动力学 (CFD) 进行，然后在 Solidworks（第 5 章：翼型分析）中进一步分析。经过分析，选择 Eppler 344 作为根翼型，Eppler 325 作为翼梢翼型。翼梢小翼是 GOE 330 翼型。利用 Solid Works 中的 CFD（第 8 章：最终飞机设计）对最终模型进行了分析，发现足以满足要求。通过在肯尼索州立大学亚音速风洞中测试比例模型（第 10 章：风洞测试），确认了 CFD 结果。这些测试的结果证实了通过 CFD 获得的结果。
对土壤活生物体的定量分析和vermicompost栽培的重要方面
由于土壤中种植各种文化作物的10-20厘米层中的微生物数量达到了16-22百万，这是由于该层的土壤有利的环境以及没有阳光的杀戮作用。土壤微生物的一定份额与其形态结构直接相关，其含量约为0.3-60万，贫瘠的石质，沙质土壤。在7月至8月的夏季，在温室土壤中观察到了最多的微生物，23-2800万辆，该土壤富含文化肥料，每年耕种，在种植大蒜和洋葱的土壤中。分析土壤的微生物主要形成3组，由底部植物，真菌和细菌组成。在温室土壤中记录了数量最多的杜鹃花，而果园中最高数量记录了Basidiomycete群的代表。例如，1克15*15*10厘米的5年园林土壤中含有0.7-1.2,000亿个真菌菌丝，其长度在1/40 m2中达到25-35 m，在1 HA面积的500-600中占有共同的份额。作为种植不同农作物的田间细菌和真菌量的指标，苜蓿中的结节细菌小于棉（茎未去除）土壤中的腐烂细菌，而玉米田中的土壤细菌的数量几乎与蔬菜田中的土壤细菌相同。通常，在布哈拉绿洲的10-20厘米层中，在1 g土壤中记录了1,8-26万种细菌，该土壤上有局部肥料。85％是腐殖质，剩余10％的植物，5％的土壤动植物和动植物。近年来，有机农业和已广泛促进的环保产品的种植直接取决于用作底物的土壤的组成。当前在布哈拉绿洲中培养的土壤的有机成分可描述如下。众所周知，土壤的有机含量或多或少与植物数量成正比。这也可以在不同天然区域的植物量的示例中看到。例如，在森林苔原中为150-2500 g/m2，在森林taiga中为25000-40000 g/m2，在草原区域为1200-2500 g/m2，沙漠区域中的根数在植物的繁殖量中是有机物的幽默，在殖民地的一部分中，沙漠区域中的根数为1：8-1：9复杂性。尽管没有统一的理论形成理论，但腐殖质的速度取决于植物残基的数量和化学组成，土壤水分和充气，微生物活性的强度，微生物组的组成[3,4]。定量分析生活在不同土壤中的动物时，脊椎动物和无脊椎动物的重量比为1：1000。土壤脊椎动物居住在其中并参与各种过程，由于它们对土壤层，水和空气交换的混合以及高植物的生长和发展的积极影响。另一种无脊椎动物在土壤中筑巢并充分利用植物根周围的土壤是黑蚂蚁（Lasius Niger）。在土壤无脊椎动物中，earth的数量和数量最大，它们在1年内通过其体内每1公顷的土壤移动250-600吨土壤，并增加了几次生产率[5]。由于他们生活在低层建筑，花盆和其他类似植物的庭院中，因此已经研究了它们对植物与生长土壤之间关系的影响（图1和2）。选择蚂蚁在12个花盆中生长的植物和6个对照组，在那里不允许进入蚂蚁，并在60天内观察到花盆中生长的花的一般状况，花朵的新鲜度和美感。