XiaoMi-AI文件搜索系统
World File Search System特征点
IWS 2025 OSCE for AI CDSS.pdf
[2] Kawamura，E.，Kannan，K.，Lombaerts，T。，＆Ippolito，C。A.（2022）。基于视觉的精确方法和高级空气移动性的着陆。在AIAA Scitech 2022论坛（第0497页）中。[3] Oberkampf，D.，Dementhon，D。F.和Davis，L。S.（1996）。使用共面特征点迭代姿势估计。计算机视觉和图像理解，63（3），495-511。[4] Kawamura, E., Dolph, C., Kannan, K., Lombaerts, T., and Ippolito, C. A., “Simulated Vision-based Approach and Landing System Advanced Air Mobility,” AIAA SciTech 2023 Forum , AIAA-2023-2195, 2023.[5] Kawamura，E.，Dolph，C.，Kannan，K.，Brown，N.，Lombaerts，T。和Ippolito，C。A.，“基于VSLAM和VISISION ASS基于Vision的方法以及用于先进的空中移动性的方法，” AIAA Scitech 2023 Forum，2023年，第2023页，第2023页，p。 2196。
一种用于现实的深度学习技术的混合方法......
本文介绍了一种使用心电图 (ECG) 早期检测心脏异常的新型定制混合方法。ECG 是一种生物电信号，有助于监测心脏的电活动。它可以提供有关心脏正常和异常生理的健康信息。早期诊断心脏异常对于心脏病患者避免中风或心脏猝死至关重要。本文的主要目的是检测可能损害心脏功能的关键心跳。首先，改进的 Pan-Tompkins 算法识别特征点，然后进行心跳分割。随后，提出了一种不同的混合深度卷积神经网络 (CNN) 在标准和实时长期 ECG 数据库上进行实验。这项工作成功地对几种心跳异常进行了分类，例如室上性异位搏动 (SVE)、心室搏动 (VE)、心室内传导障碍搏动 (IVCD) 和正常搏动 (N)。所获得的分类结果显示，使用 MIT-BIH 数据库的分类准确率达到 99.28%，F 1 分数为 99.24%，而使用实时获取的数据库的分类准确率下降为 99.12%。
Willis 环、脑动脉、
本文介绍了关于大脑供血动脉和 Willis 环 (CW) 模型中的流动的实验结果。血管模型是根据解剖标本准备的。考虑了最典型的动脉形状和尺寸。提供了 6 个特征点的压力分布，以及大脑前部、中部和后部的平均流速。在复制生理状态（即供血动脉完全畅通时）和病理条件下进行了测试，其中颈内动脉和椎动脉在一侧或两侧被阻塞。将所得结果与基于线性和非线性流动模型的计算机模拟结果进行了比较。为了估计血管段的非线性阻力，提出了两个现象学公式。从实验中获得的值与非线性计算机模型中记录的值之间的高度相关性证明了所提公式的实用性。验证了以下假设：血管段的流动特性非线性很大程度上是由其曲折和长度相对于直径较小造成的。非线性效应在供血血管病理性闭塞的情况下尤为明显。
基于数字双胞胎的机器用于罂粟机器人的运动控制...
智能制造的关键组成部分是第四次工业革命时代的中心概念，由数字双技术，AI和计算机视觉技术组成。在这项研究中，这些技术被用来管理罂粟机器人，这是一种用于教育和研究目的的人形机器人。数字双胞胎创建了一个虚拟环境，能够对机器人动作进行实时模拟，分析和控制。机器人的数字双胞胎是使用3D开发程序Unity构建的。运动数据是在模拟虚拟机器人的物理结构和运动时捕获的。然后将这些数据馈送到基于张量的深神经网络中，以生成一个回归模型，该模型根据机器人手的位置预测运动旋转。通过将此模型与基于Python的机器人控制程序集成，可以有效地管理机器人的运动。此外，使用OpenPose（一种计算机视觉算法）控制了机器人，该算法预测了人体上的特征点。从2D图像中收集了人类关节点的位置数据，并根据此数据计算运动角度。通过在实际机器人上实施这种方法，可以使机器人复制人类运动。
实现深度学习技术的混合方法 -
本文提出了一种新的定制杂种方法，用于使用电力学（ECG）早期检测心脏异常。ECG是一种生物电信信号，有助于监测心脏的电活动。它可以提供有关心脏正常和异常生理的健康信息。心脏异常的早期诊断对于心脏患者避免中风或心脏猝死至关重要。本文的主要目的是检测可能损害心脏功能的关键节拍。最初，经过修改的pan – tompkins算法确定了特征点，以心跳分割为由。随后，提出了不同的混合深卷积神经网络（CNN）来实验标准和实时的长期ECG数据库。这项工作成功地分类了几种心脏搏动，例如上室室异位搏动（SVE），心室节拍（VE），室内室内传导障碍节拍（IVCD）和正常的节拍（n）。获得的分类结果显示，MIT – BIH数据库的F 1分数为99.28％，而F 1得分为99.24％，而实时获得的数据库的下降精度为99.12％。
3D 积云数码相机的几何校准...
介绍了一种用于积云立体摄影测量的数码相机校准技术。该技术已被用于表征在积云摄影测量、现场和多普勒观测 (CuPIDO) 项目期间观察到的夏季雷暴的形成。从相机位置、方向和地标调查的粗略测量开始，通过最小化几何误差 (GE) 获得相机的准确位置和方向。一旦获得准确的相机参数，就可以通过三角测量计算云特征点的 3D 位置。本文的主要贡献如下。首先，证明了 GE 在相机真实参数的邻域中只有一个最小值。换句话说，即使初始测量值与其真实值之间存在显著差异，搜索 GE 的最小值也能使作者找到正确的相机参数。其次，开发了一种新的由粗到细的迭代算法，该算法最小化 GE 并找到相机参数。数值实验表明，由粗到细算法是高效且有效的。第三，提出了一种基于地理信息系统 (GIS) 而非现场测量的新型地标调查。在这些实验中，GIS 地标调查是一种有效且高效的获取地标世界坐标以进行相机校准的方法。通过 NASA/地球观测系统卫星和仪表飞机收集的数据验证了该技术。本文以先前的研究为基础，详细介绍了校准和 3D 重建。
基于围岩物理力学性质非线性劣化评价黏土隧道稳定性
简便、快速、可靠的隧道稳定性评价方法可以促进隧道工程的建设和发展。现阶段与隧道稳定性有关的问题可以通过理论分析法、模型试验法或数值分析法进行很好的分析，但对于重要性较高、决策设计周期较短、施工工期较紧迫的工程，上述方法难以得到有效的分析。本文针对黏土隧道稳定性评价问题开展研究。首先，提出以应力、应变状态为变量的状态函数，预测隧道开挖引起的围岩应力、应变状态，以表征围岩的物理力学状态（又称稳定状态）；其次，模拟围岩物理力学性质的非线性劣化，给出隧道稳定性储备系数的表达式及计算方法；最后，通过黏土隧道算例，将所提方法的计算结果与强度折减法、极限平衡法进行了比较。通过对拱顶、边墙、拱底3个特征点的对比可知，黏土隧道的稳定储备系数小于强度折减法和极限平衡法计算的结果；采用本文方法计算得到的极限位移值比强度折减法计算的结果更接近现场监测数据，因此本研究可以更好地应用于黏土隧道的稳定性评价。
陆地巡检机器人关键技术及其在水产养殖中的应用前景
陆地巡检机器人在执行各种任务时，需要感知周围 环境、定位自身位置、识别目标对象等，这些功能的实 现都依赖于传感器为机器人提供与外部环境交互的 “ 感 知器官 ” 。传感器是陆地巡检机器人的重要组成部分， 能够感知周围环境并获取相关信息，帮助机器人感进行 自主导航、避障、监测、抓取等工作。曹现刚等 [ 13 ] 设计 一种固定柔性轨道式悬挂巡检机器人平台，以解决煤矿 井下特种巡检机器人在三维环境重建和非结构环境运动 轨迹规划等关键技术，利用轨道，降低轨道铺设，为煤 矿环境巡检提供新的特种巡检平台。张书亮等 [ 14 ] 研究了 室内移动机器人的定位问题，提出融合轮式里程计、惯 性测量单元 IMU(inertial measurement unit) 、超宽带 UWB(ultra wide band) 和激光雷达定位数据的方法，依次 对不同传感器的定位数据进行融合，提高室内移动机器 人的定位精度。梁莉娟等 [ 15 ] 建立场景环境坐标系，利用 传感器探测出障碍物信息，对探测到的障碍物进行定位， 制定激光近场探测传感器的动态避障行为。李琳等 [ 16 ] 提 出基于条纹式激光传感器的机器人焊缝跟踪系统，采用 机器人末端安装条纹激光传感器，通过小波变换模极大 值理论分析焊缝轮廓，确定焊缝特征点。王正家等 [ 17 ] 提 出一种基于多传感器的机器人夹取系统，融合机器人内 置传感器所测量的位置、速度和角度等信息，利用外置 传感器完成对目标物的自动识别与定位。 2.1.1 传感器的使用场景及应用分类
用于检测 MRI 脑肿瘤的集成深度学习技术
MRI（磁共振成像）的分类过程经常用于对垂体、神经胶质瘤、脑膜瘤和非肿瘤等疾病进行医学诊断。因此，确定 MRI 的类型及其数量是揭示大脑健康状况的重要且有价值的测量。为了对大脑分析进行分割和分类，实验室人员通过屏幕进行手动检查；这需要大量的劳动力和时间。另一方面，专家使用的设备对于每个医生或机构来说并不实用或便宜。近年来，已经开发了各种用于分割和分类的计算算法，并改进了结果以解决这个问题。人工神经网络（ANN）在这方面具有分类的能力和前景。本文的目的是创建并实施一个系统，用于对不同类型的脑肿瘤样本 MRI 图像进行分类。因此，本文集中研究了使用各种机器学习算法进行分割、特征提取、分类器构建和分类为四类的任务。作者使用基于三种模型的迁移学习算法的 VGG-16、ResNet-50 和 AlexNet 模型作为集成模型对图像进行分类。因此，MRI 脑肿瘤分割更加精确，因为现在每个空间特征点都可以参考所有其他上下文数据。具体来说，我们的模型在官方深度学习挑战赛中优于所有其他已发布的现代集成模型，无需任何后处理。集成模型的准确率为 99.16%，灵敏度为 98.47%，特异性为 98.57%，精确率为 98.74%，召回率为 98.49%，F 1 分数为 98.18%。这些结果明显超过了朴素贝叶斯、决策树分类器、随机森林和 DNN 模型等其他方法的准确率。
人类面部表情情绪感知模型：研究概况与展望
在认知科学和神经科学中，有两种主要模型描述人类如何感知和分类面部表情——连续模型和分类模型。连续模型将每种面部表情定义为面部空间中的特征向量。例如，该模型解释了如何以不同的强度看待情绪表达。相比之下，分类模型由 C 个分类器组成，每个分类器都针对特定的情绪类别进行调整。除其他发现外，该模型还解释了为什么在快乐和惊讶的面部之间变形的序列中的图像被视为快乐或惊讶，而不是介于两者之间的某种情绪。虽然连续模型更难证明后一种发现，但分类模型在解释如何以不同的强度或模式识别表情方面并不那么好。最重要的是，这两个模型都无法解释如何识别情绪类别的组合，例如高兴的惊讶、愤怒的惊讶和惊讶。为了解决这些问题，在过去几年中，我们研究了一个修订模型，该模型证实了认知科学和神经科学文献中报告的结果。该模型由 C 个不同的连续空间组成。通过线性组合这些 C 个面部空间，可以识别多种（复合）情绪类别。这些空间的维度显示为大部分是配置性的。根据该模型，对情绪面部表情进行分类的主要任务是精确、详细地检测面部特征点，而不是识别。我们概述了证实该模型的文献，展示了如何使用生成的模型来构建识别情绪面部表情的算法，并提出了机器学习和计算机视觉研究人员的研究方向，以继续推动这些领域的最先进技术。我们还讨论了该模型如何帮助研究人类感知、社交互动和障碍。关键词：视觉、面部感知、情绪、计算建模、分类感知、面部检测