机器视觉(MV)基于电荷耦合器件(CCD)和互补金属氧化物半导体(CMOS)传感器提供了一个解决方案领域的许多问题上面临着智能制造和质量保证。然而,与传统的机器视觉,很难探测对象的内部信息和获取信息从其他物理领域。电磁、声学、振动、辐射和热传感器和成像都还广泛用于工业,因为它们可以探测对象的内部和其他物理信息。最近,有关深度学习和人工智能(AI)技术已经增加的主题来自工业和学术界的研究兴趣。

然而,仍然有问题要面对在研究深度学习和AI non-vision传感器和成像。例如,目前的人工智能模型来源于机器视觉,但不适合其他类型的传感器,少量的数据,可用于培训结果;融合方法和交叉识别模型的MV和其他传感器仍然缺乏。此外,时间和空间信息的数据没有被认为是在一起,这仍然存在差距实验室实验和实际工业应用。

这个特殊的问题旨在提供一个平台来交流和讨论深度学习的发展和人工智能技术non-vision传感器和成像,特别是无损检测、结构健康监测、故障诊断和状态监测。此外,我们的目标是提供洞察深度学习和人工智能模型的使用从non-vision传感器和成像处理数据。我们欢迎原始研究和评论文章。

潜在的主题包括但不限于以下:

• 电磁、声学、振动、辐射和热传感器
• 温度记录
• 深度学习non-vision传感器和成像的技术
• AI non-vision传感器和成像的技术
• 人工智能技术的无损检测、结构健康监测、故障诊断、状态监测、测量和检测
• 计算non-vision传感器的应用优势
• 与non-vision夜视传感器和成像