XiaoMi-AI文件搜索系统
World File Search System系统生成
外国影响工作组：- 研究安全......
• 同一 IHE 中的所有 FFDR 编制者都可以在 Research.gov 中创建报告、编辑现有报告或提交由另一位 FFDR 编制者创建的报告 • 每个 IHE 只能在 Research.gov 中提交一份 FFDR • 2024 年 7 月 1 日，所有隶属于在 2024 年 5 月 20 日至 2024 年 6 月 30 日期间获得新奖项或现有奖项的资金修正案的 IHE 的 FFDR 编制者都将收到一封系统生成的电子邮件，通知他们 IHE 必须提交第 1 年的 FFDR • 每个 IHE 组织都必须在 Research.gov 中提交负面或正面报告 • 2023 年 7 月 1 日至 2024 年 6 月 30 日之间收到的外国支持将在 2024 年 7 月 1 日开始的第 1 年提交窗口中报告 • 一旦报告在 Research.gov 上提交给 NSF，就无法删除或撤回 • 已提交的第 1 年报告可以在 2024 年 9 月 3 日之前编辑2024 年 9 月 3 日之后，FFDR 编制者必须向首席研究安全战略和政策办公室提交申请，以修改已提交的报告 • FFDR 专门针对从受关注的外国（即中华人民共和国、朝鲜民主主义人民共和国、俄罗斯联邦和伊朗伊斯兰共和国）收到的财政支持 • 如果从外国收到的所有礼物和合同的累计价值不超过 50,000 美元，则无需在 Research.gov 中报告
本科生的研究和扩展经验
Research Project: Computer Vision Systems for Automated Heat Stress Assessment in Dairy Cows Faculty Mentor: Dr. Alves, College of Agricultural & Environmental Sciences ( alvesand@uga.edu ) Area of Expertise: Animal Science, Data Science, Machine Learning, Computer Vision, Thermal Imaging Student Background: Animal Science, Data Science, Digital Tools, Programming Laboratory Website: alveslab.org Dr. Anderson Alves is looking for REEU students with a background和/或对动物科学，数据科学，数字工具和编程的兴趣，他们将使用深度学习算法，热力学和RGB相机开发夏季项目，以开发奶牛中自动热应激的新方法。该项目旨在将低成本的热摄像机与RGB摄像机相结合，以创建一个自动化和非侵入性的身体监测系统。使用开发系统生成的信息将与天气信息和牛生产指标集成，以创建用于评估热应力水平的实时模型。REEU学生将与Alves博士的精密牲畜科学实验室的研究生合作。学生将接受有关Python编程，数据科学，乳制品生理学和人工智能技术的跨学科培训，将动手经验与计算理论相结合。这是专业发展，增加研究经验并应用边缘切割技术来增加动物福利的独特机会，同时与研究生和UGA员工建立联系。
WHS 采购现代化计划 (AMI) NIPRNET PIA
该系统的主要目的是建立一个协作环境，以上传和审查由主承包商和分包商提交的数据，使采购人员能够做出中标前和中标后的采购决定。该系统有助于审查和批准，提供管理工作量和报告指标，并提供总体业务流程评估。系统生成的最终文件代表联邦记录，这些记录被移动并保存在另一个生成中标文件的系统中。该系统将仅显示与文件批准过程相关的工作活动历史记录、任何非决策活动状态、工作量分配以及领导层管理的统计报告，这些报告可通过员工姓名检索。供应商名称、正式工作地址、工作电子邮件地址、正式工作电话号码、职位/头衔将在短时间内加载到系统中，直到最终文件被移动到做出最终决定的其他系统。文件中出现的 PII 类型包括：姓名、工作地址、工作电子邮件地址、工作电话、职位/头衔、国防部 ID 号（仅在数字签名中）。注意：只有政府人员才能访问 AMI 系统。在这里，CAC 上标识的姓名和用户 ID 用于系统访问的身份验证目的。供应商信息仅出现在政府人员在 AD 承包业务中加载到 AMI 的文件中。
Engin Dikici、Matthew Bigelow、Luciano M. Prevedello、Richard D. White、Barbaros S. Erdal，“将 AI 集成到放射学工作流程中：研究、生产和反馈成熟度水平，”J. Med. Imag. 7 (1), 016502 (2020), doi: 10.1117/1.JMI.7.1.016502
摘要。我们提出了将基于人工智能 (AI) 的图像分析算法集成到现有放射学工作流程中的路线图，以便 (1) 放射科医生可以从 AI 带来的各种成像任务自动化增强中受益匪浅，并且 (2) 放射科医生的反馈可用于进一步改进 AI 应用程序。这是通过建立三个成熟度级别来实现的，其中 (1) 研究使放射科医生能够可视化基于 AI 的结果/注释，而无需生成新的患者记录； (2) 生产允许基于 AI 的系统生成存储在机构图片存档和通信系统中的结果； (3) 反馈为放射科医生提供了编辑 AI 推理结果的工具，以便定期重新训练已部署的 AI 系统，从而允许持续有机改进基于 AI 的放射学工作流程解决方案。一个案例研究（即使用 T1 加权对比增强三维 MRI 检测脑转移瘤）根据上述成熟度级别说明了特定基于 AI 的应用程序的部署细节。结果显示，给定的 AI 应用程序随着放射科医生的反馈而显着改善；由于放射科医生的裁决，错误检测的脑转移瘤（假阳性）数量从每位患者 14.2 个减少到 9.12 个，随后注释的数据集数量从 93 个增加到 217 个。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。全部或部分分发或复制本作品需要完全署名原始出版物，包括其 DOI。[DOI: 10.1117/1.JMI.7.1.016502 ]
梅加拉亚邦高原中使用GIS的土壤肥力图
土壤肥力图，即使用从SHC Portal收集的网格土壤健康数据中的地理信息系统生成PH，EC，OC，P和K。研究表明，梅加拉亚邦的土壤是非盐水，本质上是酸性的，并且含有高有机碳。发现该州的69.61％面积被略微酸性的土壤覆盖，其次是中等酸性（27.25％）和强酸性（0.09％）的土壤。该州的土壤中的有机碳含量很高，覆盖了88.22％的面积，随后是中低的，覆盖了11.52％和0.26％的面积。还观察到，该州的土壤有69.89％的土壤具有培养基的磷，然后是低磷和高磷含量，分别覆盖18.73％和11.38％的面积。该州的土壤在可用的钾中含量很低，占面积为47.35％的钾，而中钾和高钾分别为45.54％和7.11％的面积。还可以观察到，加洛山的98.77％的土壤略微酸性，而Jaintia Hills的91.98％面积本质上是中等酸性的。卡西山的土壤大多是略微酸性的，覆盖了68.66％的面积，其次是中等酸性和中性土壤，分别覆盖24.69％和6.49％。在Jaintia Hills中，高度有机碳含量最高，占地99.45％，随后在Khasi Hills和Garo Hills的面积分别为98.90％和69.64％。
使用AI
使用AI的面部识别是一种快速发展的技术，它使用机器学习算法和神经网络来根据其面部特征来识别和身份验证和身份验证。该技术具有三个主要组成部分：图片采集，特征提取和分类。从本质上讲，高分辨率的图片或视频框架的脸部录制在摄像头或传感器上。然后使用高级预处理技术来提高图像质量并标准化照明和角度的差异。接下来，特征提取算法检查面部标志和特征，例如眼睛距离，鼻子形和面部曲线。深度学习方法，尤其是卷积神经网络，通常用于以高精度提取这些特性。一旦提取，将特征与使用多种分类方法的已知面部数据库进行比较。每个人的独特面部签名是由AI系统生成的，并保存在数据库中。在识别阶段，系统将新的面部照片与数据库进行比较，以识别或验证有关人员。面部识别技术有许多应用程序，包括安全性，监视，个性化的客户体验，甚至医疗诊断。尽管有优势，但仍在进行有关隐私，数据安全和道德问题的讨论。但是，必须仔细计划其实施，以在技术创新与道德和隐私问题之间取得平衡。要解决这些问题，同时利用其改善众多领域的潜力，适当使用面部识别技术需要全面的保障措施和开放性。利用AI的种族识别是生物识别识别方面迈出的很大一步，为检测和认证人员提供了准确有效的技术。
基于物联网的电池监视系统
M.A.M工程技术学院，Siruganur，Trichy，Tamilnadu摘要 - 由于需要可持续运输，电动汽车（EV）的使用一直在增加。 但是，电动汽车的主要挑战是旅行范围有限，这取决于电池的容量。 为了确保可靠，有效地使用电动汽车，有必要监视电池的状态。 因此，可以使用基于IoT的电池监控系统来跟踪电池的健康状况。 针对电动汽车的基于IoT的电池监控系统包括电池传感器，微控制器，无线通信模块和云服务器。 电池传感器测量电池的电压，电流和温度，并将数据发送到微控制器。 微控制器通过无线通信模块处理数据并将其传输到云服务器。 云服务器存储数据并进行分析以生成有关电池健康的见解。 基于IoT的电池监视系统提供了对电池状态的实时监控，包括电压，电流和温度。 此信息可用于优化电池的性能并延长其寿命。 系统生成的数据也可用于预测EV的剩余范围，这可以帮助驾驶员更有效地计划旅程。 电动汽车在当前世界上很受欢迎，并且正在代替常规车辆，因为它们提供了无污染的环境。 锂电池是这些电池类型中最建议的。M.A.M工程技术学院，Siruganur，Trichy，Tamilnadu摘要 - 由于需要可持续运输，电动汽车（EV）的使用一直在增加。但是，电动汽车的主要挑战是旅行范围有限，这取决于电池的容量。为了确保可靠，有效地使用电动汽车，有必要监视电池的状态。因此，可以使用基于IoT的电池监控系统来跟踪电池的健康状况。针对电动汽车的基于IoT的电池监控系统包括电池传感器，微控制器，无线通信模块和云服务器。电池传感器测量电池的电压，电流和温度，并将数据发送到微控制器。微控制器通过无线通信模块处理数据并将其传输到云服务器。云服务器存储数据并进行分析以生成有关电池健康的见解。基于IoT的电池监视系统提供了对电池状态的实时监控，包括电压，电流和温度。此信息可用于优化电池的性能并延长其寿命。系统生成的数据也可用于预测EV的剩余范围，这可以帮助驾驶员更有效地计划旅程。电动汽车在当前世界上很受欢迎，并且正在代替常规车辆，因为它们提供了无污染的环境。锂电池是这些电池类型中最建议的。在电动汽车中使用了几种电池类型，包括锂电池，铅酸电池，镍金属电池和固态电池。因为它比常规电池更有效，并且每单位质量具有高能量含量。它也可以回收。在这项研究中，建议了基于物联网的电池管理系统。在本研究中提出了这个项目，观察使用IoT方法的CAR的显示，因此应该显而易见测试。启用IoT的电池监视系统的设计和开发。监视需要关注关键操作因子，例如电压，电流，气体和充电过程中的温度。这是一个硬件定时的传感器系统，该系统可以监视和报告物联网上的温度，电压和烟雾等不同的变量，因此您可以查看一切何时达到了正确的值。关键词：锂电池，ESP32微控制器，传感器，物联网，LCD，继电器，电机。
CRISPR Cas9 编辑多聚半乳糖醛酸酶 FaPG1 ...
硬度是草莓最重要的果实品质性状之一。这种软果实采后保质期在很大程度上受到硬度损失的限制，而细胞壁的分解起着重要作用。先前的研究表明，多聚半乳糖醛酸酶 FaPG1 在草莓软化过程中对果胶的重塑起着关键作用。在本研究中，使用农杆菌传递的 CRISPR/Cas9 系统生成了 FaPG1 敲除草莓植株。获得了 10 个独立品系 cv.“Chandler”，经 PCR 扩增和 T7 内切酶测定确定所有品系均已成功编辑。使用靶向深度测序分析了定向诱变插入和删除率。编辑序列的百分比从 47% 到几乎 100% 不等，其中 7 个选定品系的编辑序列百分比高于 95%。表型分析表明，在所分析的 8 个品系中，有 7 个品系产生的果实明显比对照更坚硬，硬度增加了 33% 到 70%。 FaPG1 编辑程度与果实硬度增加呈正相关。其他果实品质特征（如颜色、可溶性固体、可滴定酸度或花青素含量）的变化很小。编辑后的果实在采后软化率降低，蒸腾水分损失减少，受灰葡萄孢菌接种的损害较小。对四个潜在脱靶位点的分析未发现突变事件。总之，使用 CRISPR/Cas9 系统编辑 FaPG1 基因是提高草莓果实硬度和保质期的有效方法。
支持 rfid 和 bim 的工人位置跟踪，以支持真实...
摘要：随着建筑工地越来越大、越来越复杂，维护建筑协议的需求也变得越来越必要。在施工现场安装材料、设备和人员的实时跟踪系统可以帮助项目经理加强建筑项目的安全性、质量控制、工人物流和维护当地法规。在本文中，我们将介绍集成无源射频识别 (RFID) 和建筑信息模型 (BIM) 以实时跟踪人员的方法。本研究的目的是利用 RFID-BIM 集成生成实时数据，以产生建筑协议控制的领先指标。建筑协议包括监控安全性、保障和验证是否维持旧金山经济和劳动力发展办公室的招聘要求。硬件组件包括无源 RFID 标签、门户 RFID 阅读器、固定旋转式阅读器、移动手持设备和云服务器。该系统部署在一个 900,000 平方英尺的医院项目中，该项目由三座主要建筑、125 名承包商和 1,200 名工人组成。提出了一种算法来减少和组织系统生成的数据。将 RFID 链接到行业基础类 (IFC) 已成为重点。初步结果表明，这些技术的集成产生的数据可用于实时资源跟踪、数据分析、法令合规性和区域安全违规。此外，该系统还提供实时可视化信息，可提供多种好处。值得注意的是，基于实验分析，我们证明 RFID 和 BIM 系统是一种实用且资源丰富的工具，可提供实时信息和位置跟踪以维持建筑协议控制。
性犯罪起诉中的证据咨询文件
提供给法律委员会的信息：我们力求在决策过程中保持透明，并解释我们得出结论的依据。我们可能会发布或披露您针对法律委员会文件提供的信息，包括个人信息。例如，我们可能会在法律委员会出版物中发布您的回复摘录，或发布回复本身。我们还可能与政府分享回复。此外，我们可能需要披露信息，例如根据《2000 年信息自由法》。我们将根据《通用数据保护条例》处理您的个人数据。当我们能够报告哪些咨询者回复了我们以及他们说了什么时，咨询回复是最有效的。您可能希望您的回复是匿名的，例如因为它包含有关您或您家人的敏感信息，或者因为您担心其他人知道您对我们说了什么。如果您要求我们匿名处理您的回复，我们可能会参考您在回复中所说的内容，但不会透露这些信息来自您。或者，如果您认为有必要将您提供的全部或部分信息视为机密，因此既不发布也不披露，请在发送之前与我们联系。请将机密材料限制在最低限度，明确标识并解释您希望将其保密的原因。我们不能保证在任何情况下都能保持机密性，并且您的 IT 系统生成的自动免责声明不会被视为对法律委员会具有约束力。我们在报告中列出了回复我们咨询的人。如果您的回复是匿名的，我们不会将您的姓名列入名单，除非您允许我们这样做。如果您提供机密回复，您的姓名将出现在该列表中。有关我们如何处理数据的更多信息，请访问：https://www.lawcom.gov.uk/document/handling-data/ 。有关本隐私声明内容的任何疑问，请发送邮件至：enquiries@lawcommission.gov.uk 。