07-基于人工智能的EL检测系统-詹科
基于人工智能硅藻自动化识别系统的实际案例应用
Application of Artificial Intelligence Automatic Diatom Identification System in Practical Cases
ZHOU Yuan-yuan1,2, CAO Yong-jie3, YANG Yue1, WANG Ya-li1, DENG Kai-fei2, MA Kai-jun4, CHEN Yijiu2, QIN Zhi-qiang2, ZHANG Jian-hua2, HUANG Ping2, ZHANG Ji2, CHEN Li-qin1 （1. Department of Forensic Medicine, Inner Mongolia Medical University, Hohhot 010030, China; 2. Shang⁃ hai Key Laboratory of Forensic Medicine, Key Laboratory of Forensic Science, Ministry of Justice, Shang⁃ hai Forensic Service Platform, Academy of Forensic Science, Shanghai 200063, China; 3. Department of Fo⁃ rensic Medicine, Nanjing Medical University, Nanjing 210000, China; 4. Shanghai Research Institute of Crimi⁃ nal Science and Technology, Shanghai 200083, China） Abstract：Objective To discuss the application of artificial intelligence automatic diatom identification system in practical cases, to provide reference for quantitative diatom analysis using the system and to validate the deep learning model incorporated into the system. Methods Organs from 10 corpses in water were collected and digested with diatom nitric acid; then the smears were digitally scanned using a digital slide scanner and the diatoms were tested qualitatively and quantitatively by artificial intelligence automatic diatom identification system. Results The area under the curve（AUC）of the receiver operator characteristic （ROC） curve of the deep learning model incorporated into the artificial intelligence automatic diatom identification system, reached 98.22% and the precision of diatom identification reached 92.45% . Conclusion The artificial intelligence automatic diatom identification system is able to automatically identify diatoms, and can be used as an auxiliary tool in diatom testing in practical cases, to provide reference to drowning diagnosis. Keywords：forensic pathology; artificial intelligence; diatoms; death from drowning
2023年人工智能现代科技知识考试题与答案
2023年《人工智能》现代科技知识考试题与答案目录简介一、单选题：共40题二、多选题：共20题三、判断题：共26题一、单选题1、下列哪部分不是专家系统的组成部分？A .用户B.综合数据库C.推理机D.知识库正确答案：A解析：《人工智能导论》（第4版）作者：王万良出版社: 高等教育出版社2、下列哪个神经网络结构会发生权重共享？A.卷积神经网络B.循环神经网络C.全连接神经网络D. A 和B正确答案：D解析：《深度学习、优化与识别》作者:焦李成出版社: 清华大学出版社3、下列哪个不属于常用的文本分类的特征选择算法？A.卡方检验值B.互信息C .信息增益D.主成分分析正确答案：D解析：《自然语言处理》作者：刘挺出版社：高等教育出版社4、下列哪个不是人工智能的技术应用领域？A.搜索技术B.数据挖掘C.智能控制D .编译原理解析：《走进人工智能》作者：周旺出版社：高等教育出版社5、Q（s,a）是指在给定状态s的情况下，采取行动a之后，后续的各个状态所能得到的回报（）。
A.总和B.最大值C.最小值D.期望值正确答案：D解析：《深度学习、优化与识别》作者:焦李成出版社: 清华大学出版社6、数据科学家可能会同时使用多个算法（模型）进行预测，并且最后把这些算法的结果集成起来进行最后的预测（集成学习），以下对集成学习说法正确的是（）。
A.单个模型之间有高相关性B.单个模型之间有低相关性C,在集成学习中使用“平均权重”而不是“投票”会比较好D.单个模型都是用的一个算法解析：《机器学习方法》作者：李航出版社：清华大学出版社7、以下哪种技术对于减少数据集的维度会更好？A.删除缺少值太多的列B.删除数据差异较大的列C.删除不同数据趋势的列D.都不是正确答案：A解析：《机器学习》作者：周志华出版社：清华大学出版社8、在强化学习过程中，学习率越大，表示采用新的尝试得到的结果比例越（），保持旧的结果的比例越（）。
A .大，小B.大,大C.小，大D.小，小正确答案：A解析：《深度学习、优化与识别》作者:焦李成出版社: 清华大学出版社9、以下哪种方法不属于特征选择的标准方法？A.嵌入B.过滤C ,包装D.抽样正确答案：D解析：《深度学习、优化与识别》作者:焦李成出版社: 清华大学出版社10、要想让机器具有智能，必须让机器具有知识。
浙江省绍兴市2023-2024学年高三上学期11月选考科目诊断性考试技术试题含解析
2023年11月绍兴市选考科目诊断性考试技术试题（答案在最后）注意事项：1．本试卷分两部分，第一部分信息技术，第二部分通用技术。
全卷共18页，第一部分1至10页，第二部分11至18页；2．考试时间90分钟，满分100分．第一部分信息技术（共50分）一、选择题（本大题共12小题，每小题2分，共24分。
在每小题给出的四个选项中，只有一个符合题目要求）1.下列关于数据和信息的说法，正确的是（）A.数据都以数字符号进行表示B.信息共享会降低其价值C.信息的存储与传递需要依附载体D.分析不同数据得到的信息一定是不同的【答案】C【解析】【详解】本题考查的是数据与信息。
数据可以是数字、文字、图形等符号表示，选项A说法错误；信息共享不会降低其价值，选项B说法错误；信息的存储与传递需要依附载体，选项C说法正确；分析不同数据得到的信息，有可能相同，也有可能不同，选项D说法错误。
故本题应选C。
【分析】【点睛】2.EasyDL是一款开放性的人工智能开发平台。
其基于深度学习算法，经过大数据训练生成不同的人工智能模型，具有文本处理、图像识别、语音识别等功能。
下列关于EasyDL的说法，正确的是（）A.根据数据特征建立模型B.利用推理引擎区分不同概念与模式C.所使用的训练数据结构单一D.减少训练次数能提高其识别准确率【答案】A【解析】【详解】本题考查的是人工智能。
大数据训练的深度学习算法是数据驱动的人工智能，故选项B说法错误；选项C违反了大数据特征之一：数据类型多；应该是增加训练次数提高其识别准确率，选项C说法错误。
故本题应选A。
【分析】【点睛】3.某智能水产养殖系统利用传感器实时监测水质、温度、氧气、光照等环境参数，并通过网络传输至服务器存储；分析监测数据后，根据反馈信号，利用执行器调节养殖环境，从而实现水产养殖全过程的自动化、智能化。
以下关于该系统组成的说法，不正确．．．的是（）A.该系统的自动化管理功能无需用户参与B.温度传感器属于该系统的硬件设备C.水质监测值属于该系统的重要数据D.该系统服务器需安装系统软件【答案】A【解析】【详解】本题考查的是信息系统组成。
基于ELM-KNN算法的网络入侵检测模型
基于物联网的人工智能图像检测系统设计研究
基于物联网的人工智能图像检测系统设计研究目录一、内容描述 (2)1.1 研究背景 (3)1.2 研究意义 (4)1.3 文献综述 (5)二、物联网与人工智能概述 (7)2.1 物联网技术发展 (8)2.2 人工智能技术发展 (10)2.3 物联网与人工智能的结合 (11)三、人工神经网络基础 (12)3.1 人工神经网络基本原理 (14)3.2 常见人工神经网络结构 (15)3.3 深度学习与卷积神经网络 (17)四、图像检测技术 (18)4.1 图像检测方法概述 (19)4.2 图像检测技术分类 (21)4.3 图像检测应用领域 (22)五、基于物联网的人工智能图像检测系统设计 (23)5.1 系统架构设计 (25)5.2 数据采集与传输 (26)5.3 图像处理与特征提取 (27)5.4 模型训练与优化 (28)5.5 系统测试与应用 (30)六、系统实例分析 (31)6.1 案例一 (32)6.2 案例二 (34)6.3 案例三 (35)七、结论与展望 (36)7.1 研究成果总结 (37)7.2 存在问题与不足 (38)7.3 未来发展趋势与展望 (40)一、内容描述本文档旨在研究并设计一种基于物联网的人工智能图像检测系统。
随着物联网技术的飞速发展，人工智能与图像检测技术在各领域的应用越来越广泛，尤其在智能监控、工业自动化、智能交通等领域。
本研究致力于将物联网技术与人工智能图像检测技术相结合，实现更高效、准确的图像检测系统设计。
系统架构设计：设计基于物联网的图像检测系统架构，包括数据采集层、数据传输层、数据处理层和应用层。
其中数据采集层负责图像数据的采集，数据传输层负责数据的传输和共享，数据处理层负责图像数据的处理和分析，应用层则负责将处理结果应用于实际场景。
人工智能技术集成：集成人工智能算法，如深度学习、机器学习等，以实现图像检测系统的智能化。
通过训练和优化模型，提高系统的准确性和效率。
智能检测系统
智能检测系统
西门子公司
【期刊名称】《航空制造技术》
【年(卷),期】2006(000)011
【摘要】IntelligeNDT是一种集检查工艺、传感器、超声波检测设备和软件于一体的检测系统。
由于其性能优越，很容易适应市场需求.
【总页数】2页(P60-61)
【作者】西门子公司
【作者单位】西门子公司
【正文语种】中文
【中图分类】U463.341
【相关文献】
1.智能电能表全性能试验智能检测系统设计 [J], 郭亮; 刘继彦; 宋燕霞; 赵晓燕
2.智能交通安全货车超载智能检测系统 [J], 孙张涛; 李祖松; 宣阳; 罗玲
3.深度迁移学习下的船舶焊接表面缺陷智能检测系统 [J], 胡晓轩;甄希金;朱琦;王浩
4.基于智能边缘计算的矿山输送带智能检测系统 [J], 张晓龙
5.基于机器视觉的PCB元器件智能检测系统 [J], 郭瑞霞;韩钦;韩英向
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上海欧普泰科技创业股份有限公司 2019.11.22
人工EL检测瓶颈 AI-EL检测简介 AI的优势
遇见opt
01
人工EL检测瓶颈
1、太阳能电池原材料本身易碎， 2、电池组件在生产封装过程中的印刷、 焊接及层压等工序， 电池很容易出现诸如隐裂、虚焊、破片等 缺陷，严重影响着产品质量和转换效率
AI检测
优势 运用
电池串AI自动分选
03
AI的优势
AI赋能
优势 体现
人力物力 精打细算
8
7
7
6
5
4
3
2
1
0 组件
6 5
电池串 电池片
回收成本（月）
AI赋能
质量至上 精益求精
• 人工VS智能
• 产线质量趋同
• 倒逼工艺改善 优势
体现
2.50% 2.00% 1.50%
2% 1.5%
1.00% 0.50% 0.00%
遇见opt
软硬一体 助力AI
公司 简介
2007年成立至今
致力于光伏行业的自动化 检测设备、自动化生产设 备及行业管理软件的技术 和产品开发。
研发的PL系列检测设备、 EL系列检测设备、系列外 观视觉自动识别系统等性 能均达到或超过国外内同 类设备的水平。
EL尖刀连 AI排头兵
目前行业内4个大厂的AI项目，欧普泰AI检测平均数据均位列第1
0.89%
0.5%
0.7%
0.1%
0.05%
0.1%
叠瓦 单晶 多晶 人工
漏判 误判
智能
AI赋能
品质管控 量质齐飞
优势 体现
• 缺陷认定种类,可多可少 • 缺陷放行标准,可松可严 • 人工分选和AI自动分选兼容
优势 体现
AI赋能
海量数据 高效利用
• 数据查询，方便快捷 • 工艺改善，主动作为
04
Alpha狗战胜世界第一围棋高手柯洁
基本 原理
神经元 深度学习算法，神经网络
AI自动识别拓扑图
欧普泰自主研发并率先推出基于人工智能AI核心技术的AI-EL系统，采用人工智能 缺陷特征训练，多层学习网络，整个软件系统运用在线平台， 实现对组件隐裂、虚焊、失效、碎片、混档等缺陷的自动识别，实现降本增效。
人工缺陷检测现场
EL检测瓶颈
双玻单晶（叉隐）
多晶（干扰）
人工检测瓶颈
检测质量 难以突破
• 易受人为因素影响： 产线1vs产线2 白班vs晚班 新员工vs熟练工 误操作
• 漏判误判较高
人工成本 居高不下
• 24小时人力成本： 白班+晚班 吃穿住行
• 设备成本： 电脑电视机
02
AI-EL检测简介
AI新纪元
邢台
滁州 衢州
海宁
高校联合 资源共享
上海交通大学 华东师范大学
苏州大学
致力于持续不断的新技术、新产品开 发，每年投入高额经费用于产品研发 与技术内外权威科研机构、 知名学府紧密合作
已拥有多项自主科研技术及核心知识产权
已有多款产品被认定为“高新技术产品”, 并获国家创新基金、上海市科技成果转化项 目、上海市创新基金、普陀区科技小巨人企 业等荣誉称号
使命：提高客户的产品质量，降低客户的人力物力成本，使人类用 上效率更高的清洁能源 初心：解放一线兄弟姐妹的双手双眼，让更多的人去做更多更有价 值更有创造力的事情
上海市普陀区中江路879弄12号楼403室 证券代码：836414
感谢您的聆听！
上海欧普泰科技创业股份有限公司