XiaoMi-AI文件搜索系统
World File Search System裂缝
BIM集成与机器学习中的图像处理
1。上传包含裂缝的图像以及没有裂缝的图像。2。标记每个图像以指示哪些图像包含裂纹。3。一旦您上传并标记了足够的图像，就可以训练模型。4。单击自定义视觉网站上的“火车”按钮以训练分类器。5。培训完成后，评估模型的性能，以查看诸如准确性和召回等指标。6。如果性能很差，则可能需要上传更多图像并重新训练模型。
在“ CrackSafe” Web应用程序开发中应用机器学习模型，以检测贝拉·普拉蒂维（Bella Pratiwi）大楼1 *大学i
机器学习模型在Web应用程序“ CrackSafe”开发中的应用在贝拉·普拉蒂维（Bella Pratiwi）建筑物墙壁上发现迷恋1 *伊斯兰大学45 Bekasi 1 Bekasi 1电子邮件通信：Bellaprtwii25@gmail.com摘要：本研究旨在分析AI和机器学习技术在CrackSafe Web应用程序中的应用，以检测构建构建构建构建构建的构建。定性方法用于了解房屋壁上裂谷检测中的挑战，需求和潜在解决方案。裂缝和非耐药性数据集图片用于使用Yolov8训练检测模型，并使用平均平均精度（MAP），F-1得分，精度和回忆对模型进行评估。结果表明，即使仍然有改进的空间，模型也可以很好地识别裂纹。此应用程序还成功地检测了垃圾邮件，显示了建筑物维护的潜力。部署过程涉及使用烧瓶将AI模型集成到网站中。裂缝安全开发有望提高建筑物维护的效率和安全性，并降低高运营成本。关键字：人工智能；机器学习；探伤; YOLOV8摘要：本研究旨在开发利用AI和机器学习的CrackSafe Web应用程序，该研究旨在分析在CrackSafe Web应用程序中的AI和机器学习技术的实施，以检测建筑结构中的裂缝。一种定性方法用于了解检测住宅壁裂缝的挑战，需求和潜在解决方案。使用Yolov8的裂纹和非裂缝图像的数据集用于训练检测模型，并使用平均平均精度（MAP），F-1得分，精度和召回进行模型评估。结果表明该模型可以很好地识别裂纹，尽管仍然有改进的余地。该应用程序还成功地检测了Spall，证明了建筑物维护的潜力。部署过程涉及使用烧瓶将AI模型集成到网站中。裂缝保护的发展有望提高建筑物维护的效率和安全性，并降低高运营成本。关键字：人工智能；机器学习；探伤; Yolov8文章信息：提交：2024-04-20 |接受：2024-09-30 |发布：2024-10-03版权所有©2024，作者。
胶质反应性与衰老和阿尔茨海默氏病谱系的突触功能障碍有关
并进行了筛查/基线MRI扫描，没有感染，梗塞或其他局灶性病变的证据（排除了临界记忆结构中有多个裂缝或裂缝的个体）。我们总共评估了480个个人：107个来自三合会的队列[64个认知不损害（CU），43个认知受损（CI）]和373个来自ADNI队列[113 CU和260 CI]。我们包括了50岁以上的这些同类人员的所有参与者，他们有CSF GFAP，可溶性TREM2（Strem2），
主题索引 - ASTM International
碳化，75 现场浇注，弹性膜，121 阴极保护混凝土桥梁构件，38 停车结构，29 耐化学性，107 氯化物污染，29，38，75 混凝土桥梁构件，阴极保护，38 取芯，75 开裂，75 性质，107 铺路砖，预制，83 钢筋，氯化物污染，29，38 建筑行业团队，角色，65 腐蚀，钢筋，38 裂缝桥接，弹性体，107，121 裂缝，83
Junlong shang变形和包含岩石的故障...
尽管岩石机械行为具有很长的研究记录，但试图了解裂缝在岩石变形上的作用仍然存在尚未解决的问题。由于技术和/或经济挑战，自然岩石裂纹通常是粗略地处理的，而在许多地球科学和地下工程应用中，没有详细考虑断裂几何形状和异质性。无处不在的矿物质裂缝属于该类别，在该类别中，需要持续的努力来为岩石力学和地质力学应用提供必要的信息。在本次演讲中，我将在成岩环境中介绍最小裂缝的发生和起源，以及在受限和未约束条件下含有矿化裂缝的岩石的变形特性。我还将在格拉斯哥大学和曼彻斯特大学进行简要介绍我们正在进行的信息项目，那里的重点是断裂异质性及其对地质处理核废料的含义。
迈阿密大学人工智能卓越中心
道路监测系统 该项目是与 BPJT (Badan Pengatur Jalan Tol) 联合研究的道路监测系统。任务是使用多个图像传感器（即深度和彩色图像传感器）预测高速公路路段上的裂缝和坑洞。该系统能够记录每个裂缝或坑洞的尺寸和严重程度及其位置（纬度和经度）。因此，我们能够在损害变得严重之前减轻损害。还开发了基于网络的信息系统来估算道路各段的总维护预算和损坏类型的统计数据。
油井刺激处理许可阶段...
油井增产处理 (WST) 涉及压裂碳氢化合物储层，以促进油气生产。从技术上讲，WST 是一种完井方法，用于在低渗透性储层中产生穿透性裂缝，以增加油井或气井的流动通道。常见的增产方法包括水力压裂、酸压裂和基质酸化。水力压裂或“压裂”是最常见的 WST 类型。它涉及将一种称为“支撑剂”的流体和物质混合物以高压注入油或气储层。注入的力会导致储层岩石破裂。当流体被移除时，支撑剂会保持裂缝打开。天然气或石油流入裂缝并流入井中。其他 WST 依靠酸（无论是否高压注入）来创建油流入井的通道。从 2016 年到 2021 年，加利福尼亚州不到 0.1% 的 WST 许可证用于酸刺激。
VIIIREUNIónFagoma地热系统。pdf
注射引起的地震性已成为广泛部署增强的地热系统（例如）最关键的挑战之一。尤其是，一些EGS开发项目导致大型，破坏性的地震出乎意料地发生在刺激的储层区域，尤其是在停止液体注入后。然而，这些地震性模式的病因机制仍然高度难以捉摸。在这里，我们确定了可以通过对天然裂缝花岗岩储层的液压刺激进行完全耦合的液态力学模拟来解释EGS部位延迟地震性的组合。该模型包括一个稀疏的网络，该网络与附近的，非常面向的断层相互作用，该网络与长而变化的裂缝相互作用。结果表明，裂缝的存在在流场和岩石变形中引入了显着的非线性，并显着扩大了受液体注入影响的岩石体积。首先，受刺激的断裂网络提供了高度可渗透的吊带，用于在长时间的情况下传达较高的孔隙压力。第二，裂缝的各向异性膨胀会产生剪切应力，几乎在整个储层上迅速传播。孔隙压力和压力扰动不仅会导致沿裂缝滑动，在注射过程中诱导（微）地震性，而且会影响附近断层的稳定性，这可能不一定会在注射过程中加压。转移的毛弹性应力可以增加或减少沿不同断层段的滑动趋势。然而，当注射后几个月后，当临时断层渗透率演化调节的渐进孔压扩散后，断层才能重新激活。我们还发现，地震性的时空演化在很大程度上取决于附近的断层方向，水力力学特性以及与断裂网络的液压连接以及应力的初始状态。我们得出的结论是，在注射过程中和注射后的准确地下表征和连续监测应允许管理注射诱导的地震性带来的风险，并安全地解锁了清洁和可持续的地热能的巨大潜力。
混凝土表面图像的自动缺陷诊断...
它减少了手动阈值计算问题。自适应阈值每个块可分为平滑、纹理、混合。块处理将图像分成几个块。每个块都独立处理并根据自适应阈值对块进行分类。大图像的边缘检测影响处理的速度。块处理减少了较大图像的边缘检测计算时间，最后将块组合起来得到图像的最终边缘。块分类发现检测到非常微小的裂缝并且没有边缘丢失。块分类将图像处理成块，最后将这些块组合起来我们得到表面裂缝的边缘。