XiaoMi-AI文件搜索系统
World File Search System箱体
检测复杂的建筑物形状...
由于遥感领域提供了新的传感器和技术来积累城市区域的数据，这些区域的三维表示在各种应用中引起了很大的兴趣。三维城市区域表示可用于详细的城市监测、变化和损坏检测目的。为了获得三维表示，最简单和最便宜的方法之一是使用数字高程模型 (DEM)，它是使用立体视觉技术从非常高分辨率的立体卫星图像生成的。不幸的是，在应用 DEM 生成过程后，我们无法直接获得三维城市区域表示。在仅使用一个立体图像对生成的 DEM 中，通常噪声、匹配误差和建筑物墙壁位置的不确定性非常高。这些不良影响增加了三维表示的复杂性。因此，自动 DEM 增强是一个开放且具有挑战性的问题。为了增强 DEM，我们在此提出了一种基于建筑物形状检测的方法。我们使用慕尼黑的 DEM 和正射全色 Ikonos 图像来解释我们的方法。在对 DEM 和 Ikonos 图像进行预处理后，我们对 DEM 应用局部阈值来检测建筑物等高城市物体的大致位置。为了检测复杂的建筑物形状，我们开发了之前的矩形形状检测（箱体拟合）算法。不幸的是，我们研究区域中的建筑物形状非常复杂。我们假设可以通过像链条一样拟合小矩形来检测这些复杂建筑物的形状。因此，我们将检测到的建筑物分成细长的子部分。然后，我们将之前的矩形形状检测算法应用于这些子部分。在形状检测中，我们考虑 Ikonos 图像的 Canny 边缘以适应矩形框。合并所有检测到的矩形后，我们可以检测甚至非常复杂的建筑结构的形状。最后，使用检测到的建筑物形状，我们在 DEM 中细化建筑物边缘并平滑建筑物屋顶上的噪声。我们相信实施的增强功能不仅可以提供更好的视觉三维城市区域表示，而且还将导致详细的变化和损坏调查。
飞机维护日志分析 - IMdR
290000 液压 + 泄漏 291100 绿色 + EMP 291100 绿色 + 发动机 1 291100 绿色 + 液压 + 系统 291100 绿色 + 压力 291100 发动机 1 + 液压 291114 绿色 + 歧管 291114 1011GM 291114 1111GM 291115 绿色 + PTU + 歧管 291115 1013GM 291115 1113GM 291117 绿色 + 压力 + 开关 291117 开关 + 泵 291117 1074GK 291117 1074GK 291121 绿色 + 空气 + 蓄能器 291121 1072GM 291122 绿色 + 蓄能器 + 充电 + 阀门 291122 1071GM 291132 绿色 + 压力 + 泄压 + 阀门 291132 1063GM 291133 绿色 + 优先 + 阀门 291133 1064GM 291134 绿色 + 取样 + 阀门 291134 1187GM 291135 绿色 + 止回阀 + 阀门 + 换向器 291135 3008KM1 291135 3008KM1 291135 3009KM1 291135 3010KM1 291136 绿色 + 止回阀 + 泵 + 输送 291136 1050GM 291136 1060GM 291137 绿色 + 箱体 + 排水管 291137 1041GM 291138 绿色 + 联轴器 + 蓄能器 291138 1672GM 291139 绿色 + 半联轴器 291139 1038GM 291139 1700GM 291139 1700GM 291141 绿色 + 低 + 空气 + 压力 291141 绿色 + 储液器 291141 1000GQ 291142 绿色 +蓄能器 291142 1070GM 291143 EDP + 滤清器 + 发动机 1 291143 EDP + 滤清器 + 左 291143 EDP + 滤清器 + 绿色 291143 1084GM 291143 1086GM 291144 绿色 + 滤清器 + 低 + 压力 291144 1002GM 291144 1030GM 291145 绿色 + 滤清器 + 高 + 压力 291145 1048GM 291146 绿色 + 减震器 291146 1085GM 291147 绿色 + 滑动 + 补偿器 291147 1010GM 291148 绿色 + 止回阀 + 阀门 + WTB 291148 1170GM 291148 1410GM 291148 1411GM 291149 绿色 + 液压 + 发动机 + 管子 291149 液压 + 发动机 1 + 管子 291151 EDP + 发动机 1 291151 EDP + 左 291151 发动机 1 + 泵 291151 绿色 + EDP 291151 绿色 + 泵 291151 1030GK 291152 绿色 + 发动机 + 消防 + 阀门 291152 1046GK 291153 绿色 + 阻尼器 + EDP 291153 1600GM 291163 绿色 + 接地 + 歧管 291200 蓝色 + 液压 + 系统 291200 蓝色 + 压力 291214 蓝色 + 歧管 291214 2011GM 291215 蓝色 + 电气 + 泵 291215 2706GJ 291217 蓝色 + 压力开关
飞机维护日志分析 - IMdR
290000 液压 + 泄漏 291100 绿色 + EMP 291100 绿色 + 发动机 1 291100 绿色 + 液压 + 系统 291100 绿色 + 压力 291100 发动机 1 + 液压 291114 绿色 + 歧管 291114 1011GM 291114 1111GM 291115 绿色 + PTU + 歧管 291115 1013GM 291115 1113GM 291117 绿色 + 压力 + 开关 291117 开关 + 泵 291117 1074GK 291117 1074GK 291121 绿色 + 空气 + 蓄能器 291121 1072GM 291122 绿色 + 蓄能器 + 充电 + 阀门 291122 1071GM 291132 绿色 + 压力 + 泄压 + 阀门 291132 1063GM 291133 绿色 + 优先 + 阀门 291133 1064GM 291134 绿色 + 取样 + 阀门 291134 1187GM 291135 绿色 + 止回阀 + 阀门 + 换向器 291135 3008KM1 291135 3008KM1 291135 3009KM1 291135 3010KM1 291136 绿色 + 止回阀 + 泵 + 输送 291136 1050GM 291136 1060GM 291137 绿色 + 箱体 + 排水管 291137 1041GM 291138 绿色 + 联轴器 + 蓄能器 291138 1672GM 291139 绿色 + 半联轴器 291139 1038GM 291139 1700GM 291139 1700GM 291141 绿色 + 低 + 空气 + 压力 291141 绿色 + 储液器 291141 1000GQ 291142 绿色 +蓄能器 291142 1070GM 291143 EDP + 滤清器 + 发动机 1 291143 EDP + 滤清器 + 左 291143 EDP + 滤清器 + 绿色 291143 1084GM 291143 1086GM 291144 绿色 + 滤清器 + 低 + 压力 291144 1002GM 291144 1030GM 291145 绿色 + 滤清器 + 高 + 压力 291145 1048GM 291146 绿色 + 减震器 291146 1085GM 291147 绿色 + 滑动 + 补偿器 291147 1010GM 291148 绿色 + 止回阀 + 阀门 + WTB 291148 1170GM 291148 1410GM 291148 1411GM 291149 绿色 + 液压 + 发动机 + 管子 291149 液压 + 发动机 1 + 管子 291151 EDP + 发动机 1 291151 EDP + 左 291151 发动机 1 + 泵 291151 绿色 + EDP 291151 绿色 + 泵 291151 1030GK 291152 绿色 + 发动机 + 消防 + 阀门 291152 1046GK 291153 绿色 + 阻尼器 + EDP 291153 1600GM 291163 绿色 + 接地 + 歧管 291200 蓝色 + 液压 + 系统 291200 蓝色 + 压力 291214 蓝色 + 歧管 291214 2011GM 291215 蓝色 + 电气 + 泵 291215 2706GJ 291217 蓝色 + 压力开关
更换电池储能系统
AC 交流电 ACD 交流断路器 AC-FT 英亩英尺 ADJ 可调 AHJ 具有管辖权的机构 ALT 交流电 AL 铝 APPROX 近似 AUX 辅助 AWG 美国线规 AZ 方位角 BESS 建筑储能系统 BOL 使用寿命开始 BIL 基本绝缘水平 BLDG 建筑 BOC 电池背面 C 摄氏度 C/L 中心线 CB 组合箱 CLR 清晰 CN 同心中性 CONT 连续 CONFIG 配置 CT 电流变压器 CU 铜 DAS 数据采集系统 DC 直流 DIA 直径 DISC 断路器 DWG 图纸 (E) 现有 EGC设备接地导体 EMT 电气金属管 EOL 寿命终止 EOR 记录工程师 EQ 相等 F 华氏度 FCI 故障电流指示器 FO 光纤 FT 固定倾斜 GALV 镀锌 GEC 接地电极导体 GFDI 接地故障检测器中断器 GHI 整体水平辐照度 GOAB 联动空气断路器 GND 接地 GSU 发电机升压变压器 HV 高压 ID 内径 INV 逆变器 IMC 中间金属导管 IMP 阻抗 ISU 逆变器升压变压器 JB 接线盒 kV 千伏，千伏kW 千瓦，千瓦 LBOR 负荷断路器 油浸旋转 LFNC 液密柔性非金属导管 LV 低压 MCB 主断路器 MCOV 最大连续工作电压 MIN 最小 MET 气象站 MOV 金属氧化物压敏电阻 MV 中压 MVA 兆伏安，兆伏安 MW 兆瓦，兆瓦 NEC 国家电气规范 NEG 负极 NTRL 中性线 OAE 或认可相等 OC 中心 OCPD 过流保护装置 OCTE 户外核心电信外壳 OD 外径 OH 架空OTDR 光时域反射仪 PCS 功率转换系统 PH/P 相位 POA 阵列平面 POCC 公共耦合点 POI 互连点 POS 正极 PRCLF 部分范围电流限制 PT 电压变压器 PV 光伏 PVC 聚氯乙烯 RFI 信息请求 RMC 刚性金属导管 SAT 单轴跟踪 SCADA 监控和数据采集 SCB 串式组合器箱 SCH 时间表 SF 平方英尺/英尺 SIM 类似 STC 标准测试条件 TBD 待定 TOF 基础顶部 TW 测试井 TYP 典型 UGPB 地下拉力箱体 (UON) 除非另有说明 UPS 不间断电源 V 伏，伏特 VA 伏安，伏安 VAC 伏特交流电 VDC 伏特直流电 VIF 现场验证 WP 防风雨 WS 气象站 XFMR 变压器
闭环实时深度网络推理平台……
† 同等贡献。*1760 Haygood Dr NE，亚特兰大，佐治亚州，美国。电子邮件：chethan [at] gatech.edu。简介：闭环实验是脑机接口 (BCI) 研究的关键组成部分。人工神经网络 (ANN) 是用于建模和解码神经活动的最先进的工具，但将其部署到闭环实验中却具有挑战性。研究人员需要一个框架，该框架既支持用于运行 ANN 的高级编程语言（例如 Python 和 Julia），又支持对低延迟数据采集和处理至关重要的语言（例如 C 和 C++）。为了满足这些需求，我们推出了 BRAND 实时异步神经解码系统 (BRAND)。材料、方法和结果：BRAND 可以在几乎任何标准 Linux 计算机上运行，并且由称为节点的进程组成，它们通过图中的数据流相互通信。BRAND 支持微秒精度的可靠实时执行，使其成为闭环神经科学和神经工程应用的理想平台。 BRAND 使用 Redis [1] 在节点之间发送数据，从而实现快速的进程间通信 (IPC)、对 54 种编程语言的支持以及跨多台计算机的分布式处理。开发人员只需进行极少的实施更改，即可在 BRAND 中无缝部署现有的 ANN 模型。在初步测试中，BRAND 在发送大量数据（1024 个通道的 30 kHz 模拟神经数据，以 1 毫秒的块为单位）时实现了快速的 IPC 延迟（<500 微秒）。BCI 控制通过一个图表进行测试，该图表通过以太网接收 30 kHz 微电极阵列电压记录，过滤和阈值化输入以获取尖峰，将尖峰分成 10 毫秒的箱体，应用解码模型，并更新光标在显示屏上的位置。在系统的初步演示中，BrainGate2 临床试验 (NCT00912041) 的参与者 T11 在径向 8 中心向外光标控制任务中实现了 2.84 ± 0.83 秒（53 次试验）的目标获取时间，其中 30 kHz 信号处理、线性解码、任务控制和图形均在 BRAND 中执行。未来的实验将结合 ANN；为了对 ANN 延迟进行基准测试，我们运行了基于 PyTorch 的循环神经网络解码器（10 个隐藏单元、30 个箱输入序列）并测量了延迟（N = 30,000 个数据包）。对于此配置，从信号输入到解码器预测的端到端延迟始终小于 2 毫秒（图 1）。我们还验证了 BRAND 可以实时运行两种流行的神经群体动态模型——通过动态系统进行潜在因子分析 (LFADS) [2] 和神经数据转换器 (NDT) [3]，使用其原始的 Tensorflow 和 PyTorch 实现，每 10 毫秒箱（256 通道数据）的延迟低于 6 毫秒。讨论：BRAND 支持低延迟 ANN 推理，同时提供与闭环 BCI 研究所需的数据采集、信号处理和任务代码的无缝集成。意义：BRAND 凭借其模块化设计和广泛的语言支持，简化了将计算模型从离线分析转换为闭环实验的过程，利用 ANN 的强大功能来改善多种环境下的 BCI 控制。致谢：这项工作得到了埃默里神经调节和技术创新中心 (ENTICe)、NSF NCS 1835364、DARPA PA-18-02-04-INI-FP-021、NIH Eunice Kennedy Shriver NICHD K12HD073945、NIH-NINDS/OD DP2NS127291、阿尔弗雷德 P.斯隆基金会、Burroughs Wellcome 基金会、作为西蒙斯-埃默里国际运动控制 (CP) 联盟一部分的西蒙斯基金会、NIH NINDS NS053603、NS074044 (LEM)、NIH NIBIB T32EB025816 (YHA)、NIH-NIDCD U01DC017844 和退伍军人事务部康复研究与发展服务 A2295R (LRH) 的支持。参考文献：[1] Redis https://redis.io/ 。[2] Pandarinath 等人，2018 年，Nat Methods doi：10.1038/s41592-018-0109-9。[3] Ye 和 Pandarinath，2021 年，神经元行为数据分析理论 doi：10.1101/2021.01.16。42695。