XiaoMi-AI文件搜索系统
World File Search System视觉检测
壳聚糖金纳米颗粒基于敏感的视觉检测组氨酸标记的重组蛋白
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年2月6日发布。 https://doi.org/10.1101/2024.02.05.578914 doi：Biorxiv Preprint
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。
项目首字母缩写和标题：使用计算机视觉检测和识别海洋船只的创新概念的证明
该项目旨在证明一个概念的技术可行性，该概念包括收集和准备数据集并基于机器学习算法应用计算机视觉系统，以检测和识别海洋船只，以监视航海旅游端口中的交通强度。这解决了观察到的问题，其中管理和控制决策仅基于涉及手动数据处理的常规技术，并需要使用大量的人类，财务和时间资源，并且容易出现错误。没有基于拟议概念的商业产品，该项目具有重大的技术风险。
准许降落：飞行员在最后进近期间目视检测小型无人机
在仪表进近着陆场景中对无人机进行视觉检测。本研究旨在更好地了解人为因素对飞行员在进近和着陆环境中检测和避免与小型无人机系统发生潜在碰撞冲突的影响。作者试图检查飞行员在模拟仪表进近的视觉部分对可能造成碰撞风险的 sUAS 飞行器的平均视觉检测距离。本研究是一系列有关 sUAS 检测、可见性和防撞的相关现场实验中的第三个（Loffi、Wallace、Jacob 和 Dunlap，2016 年；Wallace、Loffi、Vance、Jacob、Dunlap 和 Mitchell，2018 年）。作者试图为飞行员制定操作策略，以提高在国家空域系统中运行的小型无人机的可见性、检测和防撞能力。
Zebra 的深度学习能力
人工智能，特别是通过深度学习的机器学习，使用于自动视觉检测的机器视觉技术更加易于使用和强大。深度学习技术模仿人类大脑处理视觉输入的方式，但以计算机系统的速度和稳健性执行此任务。该技术有助于确保制造业的质量，控制生产成本并提高客户满意度。
目视检查的良好实践 - DVI 航空
目视检查是最常用的飞机检查技术，但仍然容易出错。该项目遵循了之前关于荧光渗透检测 (FPI) 和内窥镜检查的报告，通过分析检查系统中人为因素，得出提高 NDI 流程可靠性的良好做法。航空检查主要是目视检查，据估计占所有检查的 80%，在 2000 年的一项研究中占 AD 通知的 60% 以上。它通常比其他 NDI 技术更快，并且具有相当大的灵活性。虽然它通常参考眼睛和可见光谱来定义，但实际上目视检查包括大多数其他非机器增强方法，例如感觉甚至声音。它的最佳特征可能是仅使用简单的工作辅助工具（例如放大镜或镜子）来使用检查员的感官。因此，目视检查是许多其他 NDI 技术的重要组成部分，在这些技术中，检查员必须目视评估检查区域的图像，例如在 FPI 或射线照相中。视觉检测的一个重要特征是其灵活性，例如能够以不同的强度进行检查，从巡检到详细检查。从包括航空业在内的各种行业中，我们知道，当衡量视觉检测的可靠性时，它并不完美。与其他 NDI 检查员一样，视觉检查员也会犯错误。
趋势微尖端 - 网络
这种整合的战略好处包括转发检测事件的能力和Intrusion Feelention Feltery Protection Station Statige to Trend Vision One，以进行相关检测和其他高级分析。这可以实现更高质量的警报和更主动的事件发现。通过选择过滤器并将策略直接从趋势愿景一号开始到提示点SMS配置文件来减轻CVE风险。趋势视觉检测到的威胁也可以在网络层上进行操作，从而使您能够在检测后的几分钟内阻止可疑对象，并破坏网络关键位置的攻击。此外，可以自动发送由SMS检测到的URL，以通过云沙盒进行分析，而无需任何其他基础架构。分析了URL后，您可以在趋势视觉One Sandbox Analysis应用程序上查看结果。
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。