XiaoMi-AI文件搜索系统
World File Search System画像
旨在利用AI（人工智能）技术改善河流监测......
但一直没有人回应，黑色和绿色的垃圾袋也无人回应。为此，我们决定进行一项研究，以提高夜间的检测准确率。 为了提高检测准确性，我们决定让被检测物体的图像更清晰。为了改善图像质量，可能采取的措施包括安装图像锐化装置或引入可进行夜间监控的红外摄像机，或者改进或更换设备本身。但缺点是每台设备的初期投资可能需要几十万日元至数百万日元。针对此问题，目前已有利用图像处理技术来锐化闭路电视摄像机等拍摄的图像的方法。该方法仅需几万至几十万日元的成本就能构建一个模型，并且由于期望在使用 CNN 模型进行检测工作之前将其纳入，从而提高图像锐化和检测精度，因此我们构建了夜间摄像机图像锐化模型。 伽马（γ）校正是用于提高夜间摄像机图像清晰度的图像处理技术之一。该技术利用伽马值（表示图像层次响应特性的数值）将图像的亮度和层次调整到最符合人眼感知的状态，同时也用于在液晶电视上再现自然的明暗。我们构建了实现该技术的图像锐化模型，对CCTV摄像机图像进行锐化并用CNN模型检测的结果如图4-8所示。
引入人工智能（AI）运用培训 - 新技术应用促进基金会
• 请注意，这些材料可能包含可用于商业目的的图像，将此类图像用于任何其他目的可能会受到我们组织和图像提供商的损害赔偿要求。 此外，本数据可能包含公共机构等外部机构调查的数据，并明确注明来源。本机构对这些数据的准确性或二次使用可能造成的任何损害不承担任何责任。
联合研发应用人工智能图像分析的“钢筋检测系统”
3.未来发展 未来我们计划继续研究和开发该系统，并通过在各公司反复的现场试验和改进来提高其性能。 此外，该联合研究框架允许总承包商共同推动研究和开发，融入各种想法并在短时间内取得优异成果。希望本次研发能够利用人工智能解决总承包商面临的常见技术问题，为提高整个建筑行业的技术能力做出贡献。 ※参与联合研究项目的20家公司（按字母顺序） 青木阿苏那罗建设株式会社 浅沼组株式会社 安藤间株式会社 奥村组株式会社 北野建设株式会社 熊谷组株式会社 五洋建设株式会社 佐藤工业株式会社 大末建设株式会社 高松建设株式会社 铁拳建设株式会社 东急建设株式会社 户田建设株式会社 飞岛建设株式会社 西松建设株式会社 日本土地开发株式会社 长谷工業株式会社 PS三菱株式会社 松村组株式会社 矢作建设株式会社
D (2)“让我们用AI（人工智能）图像识别技术解决社会问题”
（2）解决问题 接下来，学生们分组考虑应该创建什么样的程序，在活动图中写下必要的功能，并对程序进行可视化和设计。我们也在此基础上编写了程序，一边修改活动图，一边努力解决问题。 例如左侧活动图中的接收方，当收到消息时，会发出声音并改变字符颜色，使用多种媒体使接收方更容易理解消息已收到。 他们还正在考虑开发一个程序，如果发送关键词“轮椅”，就会自动回复“你可能想去……”这是为了通过自动回复无障碍场所的常见问题来快速提供信息，并且参与者通过根据提示卡改进和修改示例程序来创建程序，以解决他们自己的问题。
使用图像识别 AI 远程虚拟巡查施工现场……
生活方式共同创造实验室新闻稿：https://www.nttdocomo.co.jp/info/news_release/2021/09/30_02.html
紧急医疗中利用AI进行腹部CT图像诊断支持的现状……
【摘要】本文回顾了基于人工智能的腹部CT成像非创伤性病变检测模型的文献，以确定使用人工智能检测腹部器官疾病和急腹症的现状和挑战。我们搜索了PubMed和Google Scholar，提取了106篇参考文献。大多数研究旨在检测肝脏、肾脏和结肠的肿瘤，肝脏肿瘤和肾结石的检测准确率较高，而胃肠道疾病的检测准确率较低。在15篇关于急腹症的参考文献中，肾和输尿管结石和结肠炎占10篇。主要的挑战是数据集不足以检测肾和输尿管结石。在检测准确率相对较低的结肠炎检测中，测量结肠壁厚度的方法会导致假阴性和对其他器官的误检。
AI（人工智能）程序和深度学习（图像识别）的研究......
学习过程按以下顺序进行： 1：理解并学习人工智能中的深度学习和机器学习 2：了解LEGO-EV3主体（组装基本机器人和创建程序） 3：了解Raspberrypi微控制器和摄像头以及基本设置 4：理解和设置JupyterLab 5：理解和学习Google TensorFlow 6：总结研究成果，制作材料并在大阪科学日上展示
利用脑成像和人工智能诊断精神障碍并为新疗法铺平道路
MBR基地 “光”给药研究基地 教育愿景研究中心 广岛大学为拯救下一代而创造“绿色革命”的植物研究基地 智能生物传感融合研究基地 日本食品和发酵食品创新研发基地 - 日本食品功能性开发中心 - 可立即应对紧急放射线照射的再生医疗研究基地
使用人工智能分析闭路电视摄像机图像进行连续观察的准确性验证
夜间（晚上 8 点至 10 点的 1 小时） 所有车型 97.0%（77.6%） 96.6%（75.5%） 32.3%（24.1%） 小型车 52.3%（28.4%） 49.7%（29.0%） 31.8%（23.3%） 大型车 12.1%（6.9%） 13.9%（8.0%） 19.8%（13.3%）
结合AI成像技术与机器人技术，减少视觉检测所需的劳动力
负责人：设备业务部件认证和保修部生产技术科长山田胜典 ・为了应对严重的劳动力短缺，机械加工等制造和生产工序的自动化正在不断进步，但检查工序的自动化却落后了。 特别是外观检查，目前主要依靠检查员的目视检查，但将来将很难确保必要的人员。