XiaoMi-AI文件搜索系统
World File Search System缺陷类别
2020 年人工智能机器视觉现状
借助 Landing AI 的端到端视觉检测平台，一家全球钢铁制造商仅用两周时间就将 38 个缺陷类别的 AI 模型准确率从 76% 提高到 93%。这使得钢铁缺陷检测更加准确。在另一个案例中，一家全球领先的压缩机制造商能够使用 Landing AI 和该公司共同开发的基于 AI 的视觉解决方案自动进行泄漏检测。为了识别泄漏的压缩机，在玻璃水箱前安装了摄像头，压缩机一次浸入一个水箱中。然后，摄像头捕捉视觉图像并将其发送到基于深度学习的系统，以检测和分析任何气泡泄漏的出现，从而指示压缩机泄漏或有缺陷。
使用深度神经网络对飞机外部进行自动视觉检查...
摘要 — 飞机目视检查或一般目视检查 (GVI) 旨在发现飞机外部和内部表面的损坏或异常，这些损坏或异常可能会影响飞机的运行、结构或飞行安全。目视检查是飞机维护、维修和大修 (MRO) 活动的一部分。专家进行质量检查以识别问题并确定要报告的类型和重要性。这个过程耗时、主观，并且因人而异。飞机在没有飞行许可的情况下停飞的时间意味着经济损失。这项工作的主要目标是利用深度学习和计算机视觉推进飞机外部缺陷检测的最新技术。我们研究如何提高凹痕检测的准确性。此外，我们还研究了新发现的缺陷类别，例如划痕。我们还计划证明有可能开发一个完整的系统，使用无人机获取的飞机图像自动对飞机外部进行目视检查。我们将使用深度神经网络来检测和分割缺陷区域。该系统将有助于消除人为错误造成的主观性，并缩短检查飞机所需的时间，从而为其安全、维护和运行带来好处。
IH-ViT：基于视觉变压器的集成电路问世
摘要：针对传统检测方法在IC外观缺陷检测中存在的识别率不高、识别速度慢的问题，提出一种IC外观缺陷检测算法IH-ViT。提出的模型利用CNN和ViT各自的优势，从局部和全局两个角度获取图像特征，最终将两种特征融合进行决策判断缺陷类别，从而获得更高的IC缺陷识别准确率。针对IC外观缺陷主要体现在细节上的差异，传统算法难以识别的问题，对传统ViT进行了改进，在batch内部进行了额外的卷积操作。针对数据集来源多样导致的样本信息不平衡问题，采用双通道图像分割技术，进一步提高IC外观缺陷的识别准确率。最后经过测试，提出的混合IH-ViT模型取得了72.51%的准确率，比单独的ResNet50和ViT模型分别提高了2.8%和6.06%。所提算法可以快速准确地检测出IC外观缺陷状况，有效提高IC封测企业的生产效率。
基于深度学习和机器视觉技术的增材制造过程的实时缺陷检测策略
摘要：如今，添加剂制造（AM）可以提供高价值的最终用途产品，而不是单个组件。这种进化需要整合多个工艺过程来实施多物质处理，更复杂的结构以及最终用户功能的实现。从这种高级AM技术中受益的一个重要产品类别是3D微电子。然而，整个制造程序的复杂性以及3D微电源产品的各种微观结构显着增强了由于制造缺陷而导致的产品故障的风险。为了应对这一挑战，这项工作介绍了基于深度学习和机器视觉的缺陷检测技术，以实时监视AM制造过程。我们提出了一种增强的Yolov8算法来训练能够识别和评估缺陷图像的缺陷检测模型。为了评估我们方法的可行性，我们将挤出3D打印过程作为应用程序对象，并为数据集量身定制，其中包括四个典型缺陷类别的总计3550张图像。测试结果表明，改进的Yolov8模型以每秒71.9帧的帧速率达到了令人印象深刻的平均平均精度（MAP50）为91.7％。
认知突触病：与年龄相关的认知障碍中的突触和树突状脊柱功能障碍
认知障碍是几种神经退行性和神经发育疾病的主要组成部分，对整个个人，家庭和社会产生深远影响。认知病理学是由多种因素驱动的，从遗传突变和遗传危险因素，神经递质相关功能障碍，局部神经元电路水平的异常连接组和更广泛的大脑网络的范围内，到能够调节内源性因素的环境影响。否则健康的老年人可以预期会遭受某种程度的轻度认知障碍，其中一些属于临床实践中的主观认知缺陷类别，而许多神经发育和神经退行性疾病课程尤其是在痴呆症的范围内，对认知的更深刻改变。我们对这个充分的临床实体调色板根源的潜在神经病理学机制的了解远非完整。本综述着眼于当前关于疾病的健康衰老和认知功能障碍的认知功能的知识，从与生理衰老的轻度认知变化相关的鉴定型诊断元素到与生理衰老的轻度认知变化相关的差异性诊断元素，从而在先进的临床阶段发生了更深刻的异常。i提出了“认知突触病”一词，以涵盖与较高脑功能障碍相关的广泛突触病变。
公路维护计划
章节 描述 页码 1 简介 5 2 概述和目的 7 2.1 范围 7 2.2 与其他重要文件的链接 8 3 资产管理 10 4 基于风险的方法 11 5 可持续公路维护 13 6 维护清单和网络层次结构 17 6.1 策略 17 6.2 清单 17 6.3 网络层次结构 18 7 资产维护标准 20 8 安全检查、评估和记录 20 8.1 基于风险的检查频率 23 8.2 模式 23 8.3 安全检查范围 24 8.4 缺陷调查级别 26 8.5 记录缺陷 27 8.6 能力和标准制定 28 8.7 执行 29 9 缺陷类别 29 9.1 风险评估 30 9.2 缺陷补救措施 36 10 维护交付38 10.1 审查 38 10.2 绩效监控 38 附录 1 网络层次结构 40 附录 2 车道维修制度 43 附录 3 公共通行权 47 附录 4 结构 50 附录 5 公路排水和防洪资产 56 附录 6 1991 年新道路和街道工程法案 (NRSWA) 58 附录 7 公路基础设施的采用 60 附录 8 许可 61 附录 9 冬季服务、天气和其他紧急情况 62 附录 10 街道照明、信号和标志 64 附录 11 防滑 66 附录 12 安全屏障和围栏 73 附录 13 树木、灌木和树篱 74 附录 14 路边和公路植被 76 附录 15 教区路长和 P3 计划 78