XiaoMi-AI文件搜索系统
World File Search System空中图像
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
空中图像采集工具箱及其在... 中的应用
本文介绍了 TIA，一种用于航空图像采集的工具箱。TIA 为有人驾驶和无人驾驶飞机添加了工具，简化了与航空图像采集和处理相关的任务。实施 TIA 的第一步是进行需求分析，并生成一系列有用的功能。这些功能包括任务规划、自动任务执行、飞行员引导以及使用 GPS 接收器对照片和视频帧进行地理参考。TIA 的实施架构由三个计算机模块组成：充当显示器/键盘单元的掌上电脑、主计算机和摄像头控制器。每个计算机模块都有相应的软件模块。该工具箱已在超轻型飞机上进行了测试，目前正在集成到固定翼无人机 (UAV) 中。
空中图像采集工具箱及其在... 中的应用
本文介绍了 TIA，一种用于航空图像采集的工具箱。TIA 为有人驾驶和无人驾驶飞机添加了工具，简化了与航空图像采集和处理相关的任务。实施 TIA 的第一步是进行需求分析，并生成一系列有用的功能。这些功能包括任务规划、自动任务执行、飞行员引导以及使用 GPS 接收器对照片和视频帧进行地理参考。TIA 的实施架构由三个计算机模块组成：充当显示器/键盘单元的掌上电脑、主计算机和摄像头控制器。每个计算机模块都有相应的软件模块。该工具箱已在超轻型飞机上进行了测试，目前正在集成到固定翼无人机 (UAV) 中。
使用RGB空中图像和机器学习检测咖啡叶矿工
摘要：咖啡生产的可持续性是全球生产者的关注点。为了保持可持续性，有必要达到令人满意的咖啡生产力和质量。害虫和疾病会降低生产率，并可能影响咖啡豆的质量。为了确保可持续性，生产商需要监测可能导致大量农作物损失的害虫，例如咖啡叶矿工Leucoptera Coffeella（Lepidoptera：Lyonetiidae），属于鳞翅目命令和Lyonetiidae家族。这项研究旨在使用机器学习技术和植被指数来远程识别咖啡叶矿工在咖啡种植地区的侵扰。咖啡叶矿工侵扰的现场评估是在2023年9月进行的。使用远程试验的飞机拍摄航空图像，以确定带有RGB（红色，绿色，蓝色）图像的13个营养指数。使用ArcGIS 10.8软件计算植被指数。一个综合数据库，其中包含咖啡叶矿工侵扰，植被指数和作物数据的详细信息。数据集分为培训和测试子集。使用了四种机器学习算法：随机森林（RF），逻辑回归（LR），支持向量机（SVM）和随机梯度下降（SGD）。超参数调整后，采用了测试子集进行模型验证。值得注意的是，SVM和SGD模型在估计咖啡叶矿工侵扰方面均表现出卓越的性能，KAPPA指数分别为0.6和0.67。植被指数和作物数据的综合使用提高了咖啡叶矿工检测的准确性。RF模型的性能不佳，而SVM和SGD模型的性能更好。这种情况突出了追踪咖啡叶矿工在不同年龄，不同品种和其他环境变量不同的领域中的挑战。
通过空间应用管理农业区...
泰国土地发展部（LDD）使用太空应用在许多方面支持该国的农业部门，包括对农业规划的土壤分类和农业土地人口普查进行调查。对农业规划的土壤分类进行测量，将卫星图像与空中图像结合使用，例如通过土壤序列可视化系统。这允许土壤群体和土壤系列在整个泰国的土壤分类用于农业规划，包括土壤指南和农场平台上，这完全与采取行动计划完全一致，以共享有关开发生态系统管理的土壤图的知识。以相同的方式，农业土地人口普查使用卫星图像，结合空中图像来支持农业政策和计划。这使决策者能够更好地了解农业生产的真实成本，并能够适当地预测农业生产（请参阅LDD分区申请）。土壤分类和农业土地人口普查的主要挑战包括卫星图像数据和高清航空影像的高昂费用以及对整个国家进行调查所需的员工。
搜救服务 - 德国联邦国防军
德国联邦国防军的军事搜救服务是一个为任务提供支持的武装部队设施。它也是德意志联邦共和国国家搜救服务的一部分，因此是 DFS（在德国提供 ATC 服务的有限责任公司）警报服务的一部分。德国联邦国防军搜救服务控制站借助实时空中图像和其他手段搜寻逾期和失踪的飞机。我们的责任区包括德意志联邦共和国领土以及北海和波罗的海的大部分地区。如果发生坠机事故，我们将使用我们的救援设备和民间救援部队的设备协调对现场乘客和机组人员的初步治疗。
1 T-IV-24-01-0141无人驾驶汽车的环境感知数据增强
摘要 - 大型和高质量的培训数据集对于深度学习至关重要。在无人机空中图像的语义分割挑战的背景下，我们提出了一种数据增强策略，该策略可以大大减少手动注释大量图像的努力。结果是一组语义，深度和RGB图像，可用于改善神经网络的性能。该方法的主要重点是生成语义图像，并且在整个过程中也生成了深度和纹理图像。提出的语义图像产生方法依赖于现实环境的3D语义网格表示。首先，我们将现有的语义信息从简化的手动标记图像集中传播到网格表示中。要处理手动标记的图像中的错误，我们为传播过程提出了一种特定的加权投票机制。第二，我们使用语义网络创建新图像。这两个步骤都使用透视投影机制和深度缓冲算法。可以使用不同的相机方向生成图像，从而允许新颖的视角。我们的方法在概念上是一般的，可用于改善各种现有数据集。对使用该方法进行增强的现有数据集（UAVID和WILDUAV）进行的实验是在HRNET上进行的。获得了推理结果的总体绩效提高高达5.5％（MIOU）。增强数据集在GitHub 1上公开可用。索引术语 - 语义图像，无人机，数据增强，图像生成，空中图像，Z-Buffer，深度缓冲区，透视投影，虚拟相机。
陆军 2025 财年预算概览
• 中程能力 4Q/FUE：公路机动、C-17 运输、地面发射、反应灵敏、能够进行多域火力的高精度武器 • CsUAS（M-LIDS） 3Q/原型交付：检测、跟踪、分类、拒绝和击败第 1、2 和 3 组无人机系统的能力 • PRSM 增量 1 4Q/原型交付：下一代地对地弹道导弹能够攻击关键和时间敏感区域以及联合全域战场各个纵深的点目标 • 陆军综合防空反导 (IBCS) 4Q/1x BN 组部署：提供复合/综合空中图像；联合整合 • 下一代班组武器 2Q/FUE：取代 M4 和 M249 作为班组级别的主要武器