XiaoMi-AI文件搜索系统
World File Search System视觉检测
使用计算机视觉检测乳腺癌
报告和数据系统（BI-RADS）是乳房X线摄影报告和解释的标准化工具。作者强调了BI-RADS系统中的各种类别，包括Bi-Rads 0、1和2，其中Bi-Rads 2表示良性发现，其恶性肿瘤的可能性为0％[7]。该研究强调了考虑假阴性或假阳性结果解释乳房X线摄影发现的可能性的重要性，并建议放射科医生将其纳入其决策过程。作者还探讨了双线关系在促进放射科医生与转诊医生之间的沟通和指导患者管理方面的作用[7]。总体而言，这项研究的结果有助于在临床实践中理解和实施BI-RADS系统，从而改善乳腺癌的检测和诊断。
视觉检测研究项目 - ROSA P
建立 AANC 的 FAA 机构间协议提供了以下任务摘要：“任务分配将要求桑迪亚支持技术转让、技术评估、技术验证、数据关联和自动化适应作为持续的过程。”简而言之，桑迪亚国家实验室已被要求开展研究，以改进老化飞机项目的无损检测 (NDI)。认识到目视检查在民航机队维护中的重要性，AANC 建立了目视检查可靠性计划。本报告介绍了该计划的基准测试阶段的结果。基准测试包括从 AANC 的波音 737 飞机上的 12 名经验丰富的检查员那里获取检查结果。所有检查员都使用相同的工作卡并检查 AANC 测试台的相同区域。
基于无人机的飞机外部螺丝计算机视觉检测
在飞机维护中，绝大多数目视检查旨在查找机身上的缺陷或异常。这些检测很容易受到人工操作的错误影响。由于空中交通量不断增长以及商业航班时刻表对飞机利用率的要求不断提高，对维护操作的按时完成的压力越来越大，因此对员工的压力也越来越大 (Marx and Graeber, 1994) (Drury, 1999)。自 1990 年代以来，人们一直在研究使用机器人自动进行飞机外部检查。目的通常是帮助维护技术人员进行诊断并提高维护报告中缺陷和损坏的可追溯性。最初的机器人解决方案专注于外部表面蒙皮检查，机器人在飞机上爬行。尽管概念验证有效，但实际部署仍存在一些局限性 (Davis and Siegel, 1993) (Siegel 等, 1993) (Backes 等, 1997) (Siegel, 1997) (Siegel 等, 1998)。2010 年代初，一种名为 Air-Cobot 的轮式协作移动机器人问世。它能够在包含一些需要避开的障碍物的环境中安全地围绕飞机移动 (Futterlieb 等, 2014) (Frejaville 等, 2016) (Bauda 等, 2017) (Futterlieb, 2017) (Lakrouf 等, 2017)。两个传感器专用于检查。使用平移倾斜变焦摄像机，可以进行一些检查
配备频闪灯的小型无人机系统 (sUAS) 的飞行员视觉检测
在按照目视飞行规则飞行时，飞行员主要依靠视觉扫描来避开其他飞机和空中碰撞威胁。联邦航空管理局的记录表明，与无人机的近距离接触正在增加，2016 年报告的无人机系统 (UAS) 目击或近距离碰撞达到 1,761 起。这项研究旨在评估飞行员目视检测配备频闪灯的 UAS 平台的有效性。10 名飞行员组成的样本驾驶通用航空飞机，对配备频闪灯的小型 UAS (sUAS) 进行五次拦截。参与者被要求指出他们何时目视发现无人机。比较飞机和 sUAS 平台的地理位置信息以评估能见距离。研究结果用于评估日间频闪灯作为一种增强飞行员 sUAS 检测、能见度和防撞能力的方法的有效性。参与者在 7.7% 的拦截中发现了无人机。由于缺乏数据点，作者无法确定频闪灯是否能改善 UAS 视觉检测。作者建议进一步研究使用 sUAS 安装的频闪灯进行夜间视觉检测的有效性。
使用计算机视觉检测年龄和性别检测
摘要：在计算机视觉的领域，使用OpenCV的年龄和性别检测是一种关键应用，展示了复杂算法和真实世界应用的融合。该项目努力开发一个能够准确估算图像或视频流的年龄和性别的强大系统。利用OpenCV的力量，一个流行的开放式计算机视觉库，再加上机器学习技术，该系统旨在自动将个人分类为预定义的年龄组和性别类别。通过面部特征分析，深度学习模型和图像处理技术的结合，系统可以以惊人的精度辨别年龄和性别属性。通过将该技术集成到各种领域，例如监视，营销和用户体验自定义，该项目努力为各种社会和商业挑战提供实用的解决方案。年龄和性别的抽象性质使这项努力多基础，需要一种细微的方法，包括数据预处理，模型培训和绩效优化。最终，该项目有助于进步计算机视觉应用程序，从而促进了许多领域的创新和效率。关键字：CNN，深度学习，性别分类，年龄检测。I.在当今相互联系的世界中引言，在那里，数字互动和社交媒体渗透到日常生活中，了解人口统计学（例如性别和年龄）变得越来越重要。II。II。智能设备的扩散促进了大量数据的收集，其中大部分包含对人类行为和互动的宝贵见解。在利用这些数据，性别和年龄预测算法的无数应用程序中，它们在增强用户体验，个性化内容并告知决策的潜力中脱颖而出 - 在各个领域制定过程。由于其丰富的信息内容，面部照片已成为性别检测和年龄预测算法的主要来源。利用图像处理，特征提取和分类技术方面的进步，研究人员和开发人员设计了复杂的方法来分析面部特征并准确推断人口统计学属性。这些方法通常涉及阶段，例如增强图像，以提高质量和分割以隔离相关特征，从而为后续分析奠定了基础。通过训练大型数据集的神经网络，我们旨在开发能够准确地将性别预测为“男性”或“女性”的强大模型，并可能基于实验参数对年龄组进行分类。除了技术复杂性之外，人类面部图像对各个行业和社会领域都具有深远的影响。从安全和娱乐到招聘和身份验证，从面部图像中检测性别和年龄的能力可以简化流程，增强安全措施并为战略决策提供了信息。相关作品本文使用应用于面部图像的深度学习技术介绍了有关性别识别的研究。此外，面部表情，人类交流的重要方面，提供了对情感状态和反应的见解，使面部图像分析成为心理学家和研究人员的宝贵工具。通过阐明这些技术的方法，挑战和潜在应用，我们旨在为计算机视觉中的知识不断增长，并促进具有真实世界影响的实用解决方案的发展。作者探索了卷积神经网络（CNN）的使用进行特征提取和分类，从而实现了有希望的
小型无人机的视觉检测：模拟人类飞行员的极限
本论文 - 开放获取由 Scholarly Commons 免费提供给您。它已被 Scholarly Commons 的授权管理员接受并纳入论文和论文。欲了解更多信息，请联系 commons@erau.edu 。
利用人工智能驱动的制造业视觉检测重新定义质量控制
Landing AI 是一家工业 AI 公司，提供以计算机视觉为重点的企业转型计划和解决方案。通过提供端到端 AI 平台，Landing AI 使客户能够更快、更准确地创建、部署和扩展 AI 驱动的工业计算机视觉应用（例如缺陷检测）。Landing AI 的使命是帮助公司快速采用 AI，推动团队走向成功，并创造切实的商业价值。Landing AI 团队由 Coursera 联合创始人兼 Google Brain 创始负责人 Andrew Ng 博士创立，其独特优势在于帮助全球公司成功将其 AI 项目从概念验证转移到全面生产。更多信息请访问：www.landing.ai
三菱电机与 HACARUS 合作扩大 AI 视觉检测业务
三菱电机公司和 HACARUS 公司今天宣布，双方已同意扩大在基于 AI 的制造业视觉检测应用开发方面的合作。作为协议的一部分，三菱电机将入股 HACARUS。此次战略合作伙伴关系将利用两家公司的资源和技术，增强协同效应，最大限度地发挥双方的技术和商业潜力。通过利用 HACARUS 的专业知识，三菱电机希望加快开发和提供基于 AI 的集成自动化视觉检测解决方案，使客户能够提高制造质量和整体生产率。对于 HACARUS 来说，此次合作将使其能够使用三菱电机在日本和海外的广泛销售基础设施。HACARUS Check 是一种配备独特紧凑型 AI 的视觉检测解决方案。除了 AI 开发，HACARUS 还专注于将 AI 与各种工厂自动化 (FA) 设备集成。2023 年 12 月，三菱电机发布了 MELSOFT VIXIO*，这是一款基于 AI 的视觉检测软件，配备了该公司专有的 Maisart AI 技术，可实现视觉检测流程自动化，从而提高制造质量并解决日本劳动力减少的问题。三菱电机工厂自动化系统集团总裁竹内俊江表示：“作为我们 FA 系统业务战略的一部分，我们正在应对现代社会面临的关键挑战。”“由于劳动力短缺，生产线的自动化正在加速，但许多目视检查仍然由人类手动完成。通过此次合作，我们期待通过 MELSOFT VIXIO 加强对客户需求的响应，并在 HACARUS 基于 AI 的目视检查专业知识的支持下，解决制造业的劳动力短缺问题。”“自 2014 年 HACARUS 成立以来，我们公司一直致力于在各种工业领域进行“测量”，并以通过使用 AI、IoT 和机器人等最新技术从数据中创造附加价值来为社会做出贡献为使命。对于制造业的客户，我们提供 HACARUS Check，这是一款可减少目视检查所需人工劳动的产品。三菱电机的 FA 系统业务正在加强其制造业数字化和循环数字工程推广解决方案组合。通过此次资本和商业联盟，我们将努力开发促进制造现场数字化转型的解决方案，主要关注表面检查，通过将三菱电机的 FA 产品和知识与我们的 AI 技术相结合，以解决劳动人口减少等社会问题，”HACARUS 首席执行官 Takashi Someda 表示。为了进一步实现设计、生产、测试、操作和维护等流程的自动化和数字化，三菱电机正在稳步投资并与软件公司合作，为客户提供一流的产品和解决方案。近年来，各国劳动力，尤其是熟练劳动力的减少对制造业的生产率水平产生了负面影响。一种应对措施是采用和开发使用图像处理技术的基于规则的视觉检查**。然而，检测划痕和颜色不均匀等缺陷的困难增加了对可以进一步实现检查流程自动化并减轻产品检查员负担的 AI 技术的需求。
使用计算机视觉检测危险区域的液化石油气车辆......
(发布/收到：2024 年 6 月 1 日，喀布尔/接受：2024 年 6 月 12 日，发表/发布：2024 年 6 月 26 日) 摘要 由于世界人口的增长，车辆的使用日益广泛。在智能交通系统范围内，信息技术部门和交通运输部门以综合的方式工作，以解决车辆数量增加所带来的问题。使用传感器和摄像头获取的数据通过基于人工智能的信息技术进行分析，并用于自动驾驶汽车、安全、交通管理、导航和乘客信息系统。计算机视觉通过结合图像处理和深度学习技术，使机器能够从图像中提取有意义的模式和关系。计算机视觉技术应用于旅游、卫生、工业、国防、交通、服务、电子商务等许多领域。开发的应用程序为交通运输领域的各种挑战提供了解决方案。对于使用液化石油气 (LPG) 燃料的车辆，液化石油气罐中的气体易燃，存在潜在的爆炸危险，尤其是在城市的某些区域。医院、购物中心、酒店等提供室内停车服务的机构和组织禁止液化石油气车辆进入。禁令的控制方法是指派人员检查车辆后备箱。在本研究中，使用计算机视觉技术自动检测液化石油气燃料车辆。对土耳其不同省份的移动摄像头捕获的车辆图像数据进行了训练，并与四种不同的深度学习模型进行了比较。对模型进行训练和性能测试的结果表明，YOLOv8 模型比其他模型更有效，准确率为 0.994 mAP，速度为 11.6 毫秒。事实证明，它在现实生活中的实时监控方面是一种稳定的模型。可以预见，开发的系统可以促进计算机视觉技术的应用，并有利于国民经济、公共生命安全和环境保护。关键词：计算机视觉、深度学习、图像处理、LPG、车辆。
利用人工智能驱动的制造业视觉检测重新定义质量控制
制造业并非在真空中运作，但许多传统视觉模型处理视觉检查时却好像在真空中运作一样。当外部或内部环境发生变化时，AI/DL/ML 系统的性能会下降。假设一个 AI 系统正在检查智能手机上的划痕。系统必须能够响应变化，例如季节性变化导致工厂的照明水平发生变化，新的制造工艺使之前为银色的划痕变得更暗，或者相机镜头沾上污渍导致图像突然模糊。制造商也会定期更改产品要求，但检查团队可能已经根据原始要求标记了数据。例如，一家工厂可能以前认为 1 毫米的划痕是可以接受的，但后来改变了要求，只允许 0.8 毫米以下的划痕。