简介：今天，是绿色小记者常驻世纪的第一天；今天，是绿色小记者挂牌仪式的启动日。在揭开红色纱布的那一刻，我恍然明白了：原来我们的行动可以鼓舞社会，原来，我们的行动并不是微不足道的!

简介：为研究视觉与听觉次任务对驾驶人视觉的影响及差异性,在虚拟驾驶环境下设计次任务试验,要求被试驾驶人执行多组不同类型、难度的视觉与听觉次任务,同时利用眼动追踪装置采集驾驶人视觉特征参数。在筛选有效数据的基础上,运用统计学与数据挖掘方法比较驾驶人执行不同次任务时,视觉搜索区域面积、瞳孔面积、次任务完成时间的差异并分析统计显著性。结果表明,驾驶人在执行视觉次任务、听觉次任务、无次任务3种状态下,执行视觉次任务时视觉搜索区域面积最小、瞳孔面积变化幅度最大、次任务完成时间最长;无次任务时视觉搜索区域面积最大、瞳孔面积变化幅度最小、执行次任务时间最短;执行听觉次任务时,视觉特征数据居于视觉次任务、无次任务两种状态之间。上述差异具有统计学显著性,主观感知评价与客观数据具有一致性。研究表明,视觉与听觉次任务使驾驶人心理负荷明显增大,且视觉次任务对驾驶人的影响更为明显。

简介：随着《蛮荒大地》杂志与法国摄影协会合作举办的摄影大赛深入展开。自然类摄影迎来了辉煌的时刻，甚至连业余摄影者的积极性也得到了充分发挥。因为在这场比赛中．所有人都有机会获得一种也许是前所未有的成功体验。在接下来的篇幅中，你将和评审团一起品鉴这些摄影作品。或许你会发现，它们都是如此出色，冠军的归属实难定夺……

简介：2009年的摄影大赛就如同一座名副其实的金矿，令人赞赏的“金块”作品层出不穷：闪耀的色彩、巧妙的色调、动静结合的场景……身为评审委员会主席，摄影师厄万·巴朗萨将为我们推荐一些佳作。

简介：采用心理物理试验分析公路隧道内部视觉环境对驾驶员行车安全的影响,将E-prime2.0软件与仿真驾驶模拟器相结合,对驾驶员在隧道内长时间行车中的速度判断准确率及反应时间两个指标进行分析,提出了利用标志标线构建公路隧道内韵律型标线系统的改善措施,以改善隧道内视觉环境,并利用数理统计方法及Logistics拟合分析对设计方案进行评价。结果表明：1）公路隧道内韵律型标线系统能提升隧道内驾驶员的速度判断准确率3.33%~11.66%;2）普通公路隧道场景中,被试者反应时间与隧道内行车时间存在显著关系,公路隧道内韵律型标线系统的场景中,反应时间与隧道内的行车时间没有显著关系,能有效缓解视觉疲劳现象;3）被试者反应时间的增加同时受隧道内视觉环境与行车时间的影响。公路隧道内韵律型标线系统能有效提高驾驶员的反应时间,适用于行驶速度为80km/h、大于1333m的隧道。

简介：一种基于全方位视觉传感器的自动消防灭火装置,包括微处理器、用于监视现场的视频传感器、用于与外界通信的通信模块以及灭火喷头.灭火喷头连接喷头驱动装置,视频传感器是全方位视觉传感器,进行图像处理和分析,通过火焰颜色特征判断、火焰闪动频率特征判断、火焰形体变化特征判断、火焰轮廓变化特征判断、火焰面积变化特征判断和火焰整体运动特征判断得到综合判断结果,根据所发现的火苗点位置自动控制喷头对准火苗点将灭火剂喷洒在火源附近.本发明能够有效减少误报率、对火源点检测定位准确、实时性能好、在发现火苗情况时能自动控制喷头以最短的时间将灭火剂喷射到火苗点、实现的检测算法和控制算法简单.

简介：为了实现安防装置的智能化,本专利结合全方位视觉传感器(ODVS)、动态图像处理、嵌入式系统及网络通信等技术设计了一种智能安防装置,通过ODVS所获得的360°无死角、大面积的全景图像,运用动态图像理解技术对监控场景中运动目标进行检测、提取、跟踪和人体目标的识别.通过定制行为语义规则实现了人体运动目标的行为语义理解,智能的判断出是否发生盗窃事件.很好的解决了误报、漏报,减少了人力物力的开销,为智能安防提供了一种新的解决方案.

简介：摘要：人工智能计算机视觉技术在大棚监测系统中的应用前景广阔，其展望主要包括高度自动化和智能化、多模态数据综合利用、基于云平台的远程监控和管理以及智慧农业与大数据的融合。通过进一步改进图像识别算法和传感器技术，大棚监测系统将实现更高度的自动化和智能化，使得系统能够自动检测、识别和分类各类植物病虫害，并实施精确施策。人工智能计算机视觉技术在大棚监测系统中的应用前景非常广阔，有望为现代农业的发展带来更多机遇和潜力。

简介：摘要：随着工业自动化和智能制造的快速发展，机器视觉技术已成为工业机器人实现精确抓取的关键技术之一。本文深入探讨了基于深度学习的机器视觉在工业机器人抓取中的应用。首先概述了机器视觉与深度学习的基本概念及其在工业自动化领域的重要性。接着，详细分析了深度学习算法（如卷积神经网络CNN）在物体识别、定位和抓取规划中的具体应用。此外，还讨论了双目视觉系统如何通过深度学习算法获取深度信息，进而提升工业机器人的抓取精度和效率。最后，总结了深度学习在机器视觉中的优势及挑战，并对相关技术的进一步发展提出了建议。