【AI+专题】农/工/医多领域最新应用研究

AI+专题

当前，人工智能已经应用于各行各业，在精准农业、智能医疗、工业生产、社交网络等领域发挥着重要作用。IJAC特推出"AI+"专题，集结了近两年相关研究成果，部分文章开放获取，公众号对话框回复"AI+"即可免费获取本专题所有文章PDF。

01

AI+农业

Potential Bands of Sentinel-2A Satellite for Classification Problems in Precision Agriculture

Tian-Xiang Zhang, Jin-Ya Su, Cun-Jia Liu, Wen-Hua Chen

全文下载：

https://link.springer.com/article/10.1007/s11633-018-1143-x 

http://www.ijac.net/en/article/doi/10.1007/s11633-018-1143-x

中文导读(开放获取)：

当前，新型遥感卫星提供的高光谱、高时间、空间分辨率的遥感图像为精准农业中的分类问题提供了新的手段。很多在农业遥感中所遇到的问题和挑战都可以通过监督分类对遥感图像进行直接处理并加以解决，比如作物种类分类、疾病及胁迫(包括杂草、干旱、氮胁迫)监测。本文以不同光谱波段信息为要素提取特征，着重探讨了基于机器学习分类器的直接分类法，而不是基于特定指数的分类方法。在这篇文章中，作者以哨兵-2A卫星(Sentinel-2A image)图像进行土地覆盖分类为例，应用支持向量机算法对五类对象(包括作物、树木、土壤、水、路)进行分类，并比较了针对该问题光谱特征选择的四种方法，从而验证了所提直接分类方法的有效性。

Localization and Classification of Rice-grain Images Using Region Proposals-based Convolutional Neural Network

Kittinun Aukkapinyo, Suchakree Sawangwong, Parintorn Pooyoi, Worapan Kusakunniran

全文下载：

https://link.springer.com/article/10.1007/s11633-019-1207-6 

http://www.ijac.net/en/article/doi/10.1007/s11633-019-1207-6 

中文导读：

本文提出一种算法，借助图片即可对稻谷(rice grains)进行定位(localization)和分类(classification)。当前，相关研究均采取传统机器学习方法，然而，由于不同种类稻谷间的相似度很高，这些方法无法很好解决本文所提出的问题。在此背景下，本研究基于深度学习提出全新的解决方案，该方案包括利用分水岭算法(watershed algorithm)对数据标注(data annotation)进行预处理(pre-processing steps)、以长轴为准(major axis orientation)进行自动校正(auto-alignment)、采用对比度受限直方图均衡技术(CLAHE)完成图像增强(image enhancement)and 。而后，通过训练掩膜基于区域的卷积神经网络(the mask region-based convolutional neural networks, R-CNN)对输入稻谷图片(input image)进行定位和分类，再借助迁移学习(transfer learning)和丢弃正则化(dropout regularization)防止过度拟合(overfitting prevention)，该方法的性能得到了进一步提升。

02

AI+医疗

Generalized Multiscale RBF Networks and the DCT for Breast Cancer Detection

Carlos Beltran-Perez, Hua-Liang Wei, Adrian Rubio-Solis

全文下载：

https://link.springer.com/article/10.1007/s11633-019-1210-y 

http://www.ijac.net/en/article/doi/10.1007/s11633-019-1210-y 

中文导读：

在公共健康领域，乳腺癌图像检测是一项非常重要却极具挑战的研究。此前，MSRBF网络(multiscale generalized radial basis function)尚未应用于图像处理技术及计算机辅助诊断系统(Computer-aided diagnosis, CAD)中。本文提出一种全新的图像处理框架(image processing framework)，可基于升级版RBF网络(improved version of RBF networks)完成特征提取(feature extraction)，同时还在框架中结合了DCT的优势来压缩信息(compress information)。最终，本研究成功将MSRBF方法用于CAD系统中并服务于乳腺癌检测。

Applying Deep Learning to Individual and Community Health Monitoring Data: A Survey 综述

Zhen-Jie Yao, Jie Bi, Yi-Xin Chen

全文下载：

https://link.springer.com/article/10.1007/s11633-018-1136-9 

http://www.ijac.net/en/article/doi/10.1007/s11633-018-1136-9 

中文导读：

传统的医疗数据大多通过信息系统（如：医院信息系统、实验室信息系统、图像存储与传输系统等）进行收集、标准化处理及存储。新技术的出现，如穿戴设备、医学网站、药物研发、基因测试，使得医疗数据的种类和范围进一步扩大，数据的体量也进一步增加。这些数据经过智能分析后，将给疾病诊断、治疗、决策支持、药物处方、疾病预测、疗效评价等工作带来很大帮助。华盛顿大学陈一昕教授团队集中讨论了深度学习在医疗健康各个领域(医学影像处理除外)中的应用。通过系统地回顾这些研究成果，帮助读者更好地从宏观层面把握该领域的研究现状。此外，本文作者还分享了其将深度学习应用于医疗健康领域的研究经验。

03

AI+社交网络

Text-mining-based Fake News Detection Using Ensemble Methods

Harita Reddy, Namratha Raj, Manali Gala, Annappa Basava

全文下载：

https://link.springer.com/article/10.1007/s11633-019-1216-5 

http://www.ijac.net/en/article/doi/10.1007/s11633-019-1216-5 

中文导读：

社交媒体是允许人们自由表达观点和态度的平台，让人与人之间的交流较以往更加简单。同样，社交媒体也为蓄意传播虚假新闻的人提供了可乘之机。网络上各类便利的新闻获取渠道让人们更易暴露于虚假信息之中，也增加了误信误传的风险。因此，检测并标记出社交媒体上的这些内容显得尤为重要。然而，按照当前新闻生产效率来看，在新闻源未知的情况下，很难区分新闻的真假。本研究主要讨论在没有任何相关元数据的基础上，仅凭新闻文本特征检测假新闻的方法。最终，研究发现：借助集成方法，综合文体风格特征和基于文本的词向量表示，可以有效检测出虚假新闻，检测准确度高达95.49%。

Recent Advances in the Modelling and Analysis of Opinion Dynamics on Influence Networks 综述

Brian D. O. Anderson, Mengbin Ye

全文下载(开放获取)：

https://link.springer.com/article/10.1007/s11633-019-1169-8 

http://www.ijac.net/en/article/doi/10.1007/s11633-019-1169-8 

中文导读：

社会生活中，人与人之间的交流必不可少，无论是在公司会议室，还是在中学教室、线上社交媒体，都普遍存在着意见交流，这其中就涉及了"舆论动力学"研究。舆论动力学旨在构建和分析动力学模型(dynamical models)，借助这些模型可得出个体在社交网络中交流及交换意见的方式；在听取他人意见后，一个人对某件事的看法可能会随着时间而不断改变。本文为控制与系统科学领域国际著名学者、美国工程院外籍院士、澳洲科学院院士、IEEE终身会士Brian D. O. Anderson教授的特约综述，该综述集中讨论了社交网络中，舆论动力学模型的最新研究进展。文章部分内容整理自Brian教授在CCC2018大会上的主题报告。

04

AI+工业

Electronic Nose and Its Applications: A Survey 综述

Diclehan Karakaya, Oguzhan Ulucan, Mehmet Turkan

全文下载：

https://link.springer.com/article/10.1007/s11633-019-1212-9 

http://www.ijac.net/en/article/doi/10.1007/s11633-019-1212-9 

中文导读(开放获取)：

电子鼻是模拟动物嗅觉器官开发出的一种高科技产品，响应时间短、检测速度快、重复性好，其应用场合囊括环境监测、产品质量检测、医学诊断、爆炸物检测等。随着生物芯片、生物技术的发展、集成化技术的提高及一些纳米材料的应用，电子鼻还将有更广阔的应用前景。本综述尽览电子鼻技术的软件算法、硬件组件、应用领域及未来发展，全文开放获取！

Toolpath Interpolation and Smoothing for Computer Numerical Control Machining of Freeform Surfaces: A Review 综述

Wen-Bin Zhong, Xi-Chun Luo, Wen-Long Chan, Yu-Kui Cai, Fei Ding, Hai-Tao Liu, Ya-Zhou Sun

全文下载(开放获取)：

https://link.springer.com/article/10.1007/s11633-019-1190-y 

http://www.ijac.net/en/article/doi/10.1007/s11633-019-1190-y 

中文导读：

随着制造业对功能整合的需求不断提升，越来越多新一代高附加值产品应运而生，如三维显示器、太阳能聚光器、人工晶体等，他们大多采用自由曲面(freeform surfaces)的设计，即非回转对称设计。加工这些产品的计算机数控系统通常设定了由高密度短直线节段或圆弧曲线节段组成的刀具轨迹。然而，刀位轨迹段间的不连续性易导致进给速度及加速度产生高频波动，从而降低加工效率和产品表面光洁度。受对高速高精度加工产品的需求驱动，学术界和产业界均提出了很多新型刀具轨迹插补和光滑化方法，旨在应对传统方法中产生的问题。本篇综述来自英国斯克莱德大学Luo Xichun教授团队，文章详细综述了计算机数控系统中用于加工自由曲面的刀具轨迹插补和光滑化方法，同时对技术路线进行了分类、并讨论了各自的优点和局限性，最后得出结论。

An Overview of Contour Detection Approaches 综述

Xin-Yi Gong, Hu Su, De Xu, Zheng-Tao Zhang, Fei Shen, Hua-Bin Yang

全文下载：

https://link.springer.com/article/10.1007/s11633-018-1117-z 

http://www.ijac.net/en/article/doi/10.1007/s11633-018-1117-z 

中文导读：

轮廓(contour)是图像目标(imagery object)的典型特征，而轮廓检测是计算机视觉领域的重要研究方向。要解决一些实际性问题，如目标识别、场景理解等，轮廓检测算法(contour detection algorithms)是基础。轮廓检测是一项非常困难的工作，在实际操作中会出现各种各样的问题和变化。通常，在只能获取局部特征时，检测仪很难得出理想结果，特别是对于那些有纹理(textures)、低对比度(low-contrast objects)、或者含有大量噪声的图像(severely noisy images)。为提升性能，研究者们研发出更加复杂的检测仪。本综述来自中科院自动化所徐德研究员团队，集中讨论了当前轮廓检测的主要方法，以及未来可深入研究的方向。

以上部分内容系IJAC小编根据原文内容编译，如内容不够准确，欢迎后台批评指正！往期好文✚●

○热门干货✚●

○2020年国际学术会议参考列表【最新】2020年5月会议变动汇总
一款强大的公式编辑器【科研战”疫”】IEEE ICAC’20 征稿！如何在不平坦的科研路上狂奔？复杂公式转LaTex：一张图片，三步搞定！提升科研效率的几款小工具【主编报告】如何写好一篇学术论文?
Global Focus · Leading Research

官网 : www.ijac.net 

Springer主页：link.springer.com/journal/11633

新浪微博：IJAC-国际自动化与计算杂志

Twitter: IJAC_Journal

Facebook: ijac journal

点击"阅读原文"发现更多好文