XiaoMi-AI文件搜索系统
World File Search System裂缝检测
裂缝检测中的人工智能：系统...
骨折的发生率为每 100,000 患者年 733 至 4017 例 (1–3)。在 2019 年 4 月至 2020 年 4 月的财年中，英国有 120 万名患者因急性骨折或脱位到急诊室就诊，比前一年增加了 23% (4)。X 光片上漏诊或延迟诊断骨折是一种常见的诊断错误，发生率为 3% 至 10% (5–7)。临床医生的经验与骨折误诊率呈反比，但及时获取专家意见的机会并不多 (6)。影像学检查量的增长速度继续超过放射科医生的招聘速度：2019 年的一项加拿大研究 (8) 发现，12 年来放射科医生的工作量增加了 26%，而美国放射科医师学会的一项研究发现，
无人驾驶裂缝检测系统的开发...
摘要 传统的结构裂缝检测主要基于目视检查方法。众所周知，诸如索桥、高耸塔楼、大坝和工业发电厂等巨型高层结构由于其几何形状而存在难以进入的区域和现场检测限制。在某些情况下，由于空间限制，无法检查关键结构构件。随着无人机 (UAV) 技术的快速发展，先进的数字图像处理技术可以克服传统目视检查的局限性。在本研究中，开发了使用无人机和数字图像处理技术的裂缝检测系统 结构检查系统以检测结构中的裂缝。 1. 引言 世界各地频繁发生大规模灾难和安全事故。因此，人们对基础设施安全检查和维护的兴趣飙升。然而，迄今为止应用的结构检查和维护技术既费时又昂贵，并且由于检查员的主观判断，结果的客观性可能会下降。需要一种能够更有效地检查和调查结构并及时明显地预防灾难的系统。本研究结合无人机 (UAV) 技术展示了用于结构检查和调查的技术潜力
关于在裂缝检测中使用人工智能的审查
人工智能（AI）使用最少人工干预的计算机模拟智能行为。AI的最新进展，尤其是深度学习，在感知操作方面取得了重大进展，使计算机能够更准确地传达和理解复杂的输入。在全球范围内，裂缝会影响各个年龄段和地球所有地区的人们。最普遍的诊断和医疗诉讼的原因之一是急诊室拍摄的X光片的骨折，急诊室的骨折可能在2％至9％之间。由于对多种成像方式的破裂检测需求的增长，劳动力将很快受到很大的压力。由于雇用延迟和接近退休的放射科医生的很大一部分，放射科医生的缺乏使这种需求的增长加剧了。此外，解释诊断图像的过程有时可能具有挑战性和乏味。将骨科无线电诊断与AI整合，为这些问题提供了有希望的解决方案。最近，深度学习技术的应用，即卷积神经网络（CNN），在医学成像中的应用显着上升。在骨科创伤领域中，正在记录CNN，以在骨折的识别和分类中以专家骨科医生和放射科医生的熟练程度运作。CNN可以以超过人类观察的速率分析大量数据。在这篇综述中，我们讨论了深度学习方法在断裂检测和分类中的使用，将AI与各种成像方式的集成以及将AI与无线电诊断相结合的好处和缺点。
用于表面裂缝检测的爬壁机器人设计......
摘要：本研究重点设计一种爬墙机器人，用于桥梁、旧混凝土建筑、隧道和水坝等建筑结构的无损检测。机器人的主要目标是确定建筑结构上的表面裂缝。对于粘合机制，采用通用真空吸力机制，可爬过水平和垂直表面。图像处理用于分析使用相机捕获的图像。集成控制和相机固定模块的树莓派适用于系统的图像捕获和控制系统。图像应作为系列发送到计算机进行读取。图像处理算法应用于捕获的图像。应用图像预处理、分割、灰度转换、阈值和边缘检测等算法。使用不同的边缘检测算子，如 canny、sobel、roberts、prewitt 和 log 进行表面裂纹检测。使用图像处理算法估计裂纹参数，即分段裂纹的面积。并以像素值的形式获得输出，然后将其转换为相应的尺寸。关键词：攀爬机器人、气动机构、图像处理、裂纹检测。
使用裂缝检测对钢筋混凝土构件建筑结构进行脆弱性评估
摘要 — 地震发生后，出于各种原因，需要立即进入受损建筑物，包括紧急搜救、建筑物稳定和修复以及抢救和取回财物。然而，进入受损建筑物总是存在风险，而且进一步的结构倒塌往往会造成更多的受害者。本文提出了一种自动检测和分析混凝土表面数字图像中裂缝的图像处理技术。图像处理技术自动测量裂缝特征，包括宽度、长度、方向和裂缝模式。根据混凝土表面裂缝的性质、方向和行为，对建筑物进行脆弱性评估。使用各种边缘检测算法来查找裂缝。连接像素标记用于裂缝的细节分析。因此，使用裂缝检测对 RCC 建筑物进行了脆弱性评估。使用 Gorkha 地震影响的建筑物裂缝图像测试了算法。将结果与市政当局的脆弱性决策进行了比较，发现结果非常准确。
高层建筑的安全技术...
裂缝检测是安全保障和结构状况监测中的一项艰巨任务。建筑物出现裂缝是常有的事。当应力超过阈值时，高层建筑就会出现裂缝。表面裂缝可以通过数字摄影测量法测量和监测。裂缝是借助摄像机通过颜色提取法检测出来的。另一方面，裂缝之间的非裂缝区域具有均匀运动和小应变的特征，这些特征可通过动态活动轮廓法选择。物联网 (IoT) 是一项新技术，旨在使互联网更具沉浸感和普及性。物联网有助于实时监测高层建筑的安全。关键词：物联网 (IoT)、裂缝检测、消防安全、图像处理介绍通过及时监测和
Reutech 35 年创新书
RRS 还扩大了其民用业务，进一步改进了其采矿雷达，开发了一种用于地下矿井裂缝检测和监测的探地雷达，该雷达还被一家亚洲铁路公司用于检查铁路线下的空洞，还开发了一种用于采矿的倾斜校正数字罗盘和用于大型聚光光伏阵列的太阳能跟踪器。RRS 还与一家合资公司联手开发了护堤监测系统。与此同时，其 RSR 904 Ngada 雷达是 Meerkat 监视系统的一部分，该系统有助于减少克鲁格国家公园的犀牛偷猎行为，而 RSR 906 雷达正在监测南非钻石资源丰富的西北海岸的小型船只交通。
传感器 - 语义学者
摘要：钢筋混凝土 (RC) 结构中的损坏可能是由动态或静态载荷引起的。当今可用的检测技术难以检测缓慢进展的局部有限损坏，尤其是在上部结构中难以到达的区域。基准 RC 结构上的四点弯曲试验用于测试嵌入式传感器的质量和灵敏度。它可以评估是否可以检测到嵌入式传感器发生的任何开裂和扩展。使用各种方法分析超声波信号。通过确定超声波信号的特征，可以评估整个结构的变化。使用各种无损检测方法测试了 RC 基准结构的结构退化，以全面判断结构状况。结果表明，即使损坏不在超声波的直接路径上，超声波传感器也可以以 100% 的概率检测到裂缝，即使在肉眼和其他技术可见之前也是如此。获得的结果证实，使用基于嵌入式和外部传感器以及先进信号处理的开发方法可以实现早期裂缝检测。
使用CNN和SVM
摘要 - 如今，通过基于计算机的技术识别故障/裂纹是一种增长的趋势。任何高度响应的系统都可以以两个关键特征为特征：快速检测和高度准确，通过利用现代技术和有效利用资源。骨断裂是超出骨骼阈值的过量外力的结果。Canny Edge检测是一种图像处理方法，用于通过有效使用自动裂缝检测来检测骨断裂，并且压倒了降噪问题。如今，有几种可用于边缘检测的方法，例如：Canny，Log，PreWitt和Robert。但是，由于无法执行多分辨率分析，这些技术对于在分析过程中检测次要细节没有用。这些技术的另一个关键问题是，即使它们在高分辨率和高质量的图像方面正常工作，它们无法与嘈杂的图像一起使用，因为它们固有地缺乏区分边缘和噪声组件之间的能力。我们使用CNN算法对这些问题进行了胜过的方法。我们观察到的模拟结果是，提出的方法是在骨料尺度上执行边缘检测的更好选择。所提出的方法也已证明足以提取必要的信息，并进行所需的处理并比当前可用的边缘探测器更好地处理噪声。
铁路轨道裂纹检测机器人
Palakkad，喀拉拉邦-678557摘要：对于印度铁路公司来说，铁路的裂缝可能是一个严重的安全问题，印度铁路公司是世界上最大的铁路网络之一。由于季节性的变化，可以在铁轨中发展裂缝，这会导致轨道收缩和扩展。Iourrailbot提出了使用Raspberry Pi和Arduino uno的铁路轨道裂纹检测系统，以有效地监视轨道完整性。铁路事故的增加频率强调了可靠的检测方法的需求，以识别铁路基础设施中的裂缝和缺陷。我们的系统采用了一系列传感器，包括超声波和红外传感器，连接到Arduino Uno进行实时数据收集。Raspberry Pi处理了这些数据，实现了机器学习算法来分析模式并检测指示潜在裂纹的异常。该系统旨在提供即时警报，允许及时维护并降低事故的风险。这种创新的解决方案旨在提高铁路安全性和运营效率，从而确保更可靠的运输网络。关键字：铁路轨道，裂缝检测，安全问题，印度铁路，季节性变化，轨道完整性铁路机器人，覆盆子PI，Arduino UNO