XiaoMi-AI文件搜索系统
World File Search System视觉检测
基于CRISPR-CAS13A系统，为禽流感病毒建立快速的视觉检测方法
迅速，特定且敏感地检测禽流感病毒（AIV），这项研究建立了一种基于定期群散布的短palindromic重复序列（CRISPR）和CRISPR相关蛋白13A（Cas13a）的重组酶辅助扩增（RAA）的视觉检测方法。在这项研究中，根据AIV核蛋白（NP）基因的保守序列设计了特定的引物和CRRNA RNA（CRRNA）。raa技术用于放大目标序列，并通过侧流量尺（LFD）视觉检测到放大产物。评估了Raa-Crispr-Cas13a-lfd的特定峰，敏感性和可重复性。同时，使用该方法和聚合酶链反应（PCR） - 琼脂糖电泳方法检测临床样品，并计算了两种检测方法的重合速率。结果表明，RAA-CRISPR-CAS13A-LFD方法可以实现目标基因片段的特定扩增，并且可以通过LFD视觉观察到检测结果。同时，与感染性支气管炎病毒（IBV），传染性喉咙痛病毒（ILTV）和纽卡斯尔病毒病毒（NDV）没有交叉反应。灵敏度达到10 0拷贝/ µL，比PCR-琼脂糖电泳方法高1,000倍。临床测试的巧合率为98.75％，总反应时间约为1小时。在这项研究中建立的RAA-CRISPR-CAS13A-LFD方法具有快速，简单，强大的特异性和高灵敏度的优点，这为AIV检测提供了新的视觉方法。
基于颜色空间变换模型的晶圆颗粒计算机视觉检测技术
结果表明，由于背景图像噪声比颗粒尺寸更占主导地位，因此无法辨别晶圆上的颗粒。另一方面，所提出的方法可以以最小的串扰检查晶圆表面，并且使用实验定义的 HSV 颜色空间模型，可以按类型分离颗粒。生成的图像在视觉上清晰，没有颗粒和背景之间的串扰。所提出的方法简单、快速且易于使用，并表现出良好的颗粒分类性能。因此，该方法有望用于晶圆缺陷检测步骤，增强晶圆缺陷分类过程。
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
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。
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
结合AI成像技术与机器人技术，减少视觉检测所需的劳动力
负责人：设备业务部件认证和保修部生产技术科长山田胜典 ・为了应对严重的劳动力短缺，机械加工等制造和生产工序的自动化正在不断进步，但检查工序的自动化却落后了。 特别是外观检查，目前主要依靠检查员的目视检查，但将来将很难确保必要的人员。
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。
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。