• 利用多元室内空气质量传感器和分层事件检测方法实现不显眼的人类活动识别 Grigoriοs Protopsaltis, Christos Mountzouris, Gerasimos Theodorou, John Gialelis

  亮点 - 主要发现是什么？ - 从室内空气质量测量中可以推断出室内的人类活动。 - 一种分级门控模型将活动检测与分类分开，实现了高活动检测召回率和条件分类准确性。 - 主要发现的意义是什么？ - 室内污染物动态包含了足够的信息，可以仅基于环境传感实现不显眼的活动识别

  来源：Sensors

  时间：2026-05-06

• 一种适用于TinyML边缘设备上的自适应城市声音分类的联邦学习方法 Athanasios Trigkas Dimitrios Piromalis Panagiotis Papageorgas

  **亮点：** **主要发现是什么？** 一种联邦化的微型机器学习（TinyML）架构，该架构具备可在设备上进行训练的分类器头部，使得在微控制器上实现实时多类别城市声音分类，准确率从78.27%提升到了大约85%，尤其是在跨数据集的领域转换情况下。仅通过消息队列遥测传输（M

  来源：Sensors

  时间：2026-05-06

• 一种基于荧光的传感器，结合化学计量学和深度学习方法，用于检测和量化牛奶中的椰奶掺假成分 作者：Stella Maria Dyah Cahyarani 和 Hoonsoo Lee

  摘要 随着数据密集型应用程序不断扩展，可重构阵列处理器（RAPs）的应用也越来越广泛，但片上电气网络（NoCs）由于RC延迟的限制而逐渐受到能量-延迟瓶颈的约束。混合光电子NoCs（HONoCs）面临着一个根本性的介质选择难题：光电路切换会导致长时间数据流的微秒级设置开销，而静态

  来源：Sensors

  时间：2026-05-06

• 利用大脑分割技术的多尺度时空图神经网络用于重度抑郁障碍检测 赵刚、 郭伟、 王佳乐、 马永华、 朱永宝

  摘要 重度抑郁症（MDD）是一种普遍且严重的精神疾病，基于脑电图（EEG）的自动化检测已成为辅助筛查诊断的有前景的方法。在这项工作中，我们提出了一种新的多尺度时空图神经网络，用于从多通道EEG信号中检测MDD。具体来说，我们使用了左右脑半球的分区先验来编码大脑的功能组织。基于这种

  来源：Sensors

  时间：2026-05-06

• 基于区域级非局部建模和残差聚合的端到端图像去马赛克技术 魏凌云、刘瀚

  摘要 图像去马赛克技术的目的是从空间上稀疏且交错排列的颜色滤光阵列观测数据中重建出全分辨率的彩色图像。尽管基于深度学习的方法取得了显著进展，但现有方法仍未完全解决去马赛克过程中采样结构所造成的限制。特别是，四通道半分辨率

  来源：Sensors

  时间：2026-05-06

• 具有时空局部性感知的自适应混合光电互连技术，用于可重构阵列处理器 作者：Bowen Yang, Yong Li, Rui Shan, Junyong Deng, Yu Feng

  摘要：随着数据密集型应用持续扩展可重构阵列处理器（RAPs）的规模，片上电子网络（NoCs）越来越多地受到能量-延迟瓶颈的限制，这主要是由于RC延迟的约束。混合光电NoCs（HONoCs）面临一个根本性的媒介选择难题：光电路交换会导致长流程的微秒级设置开销，而静态距离阈值无法捕捉

  来源：Sensors

  时间：2026-05-06

• 一种用于红外小目标检测的场景检测复杂度度量方法 黄志远 张志勇

  摘要

  来源：Sensors

  时间：2026-05-06

• SETJiP：用于视频异常检测的空间与时序叠加拼图技术 沈立恒（Liheng Shen）， 松川哲（Tetsu Matsukawa）， 铃木荣信（Einoshin Suzuki）

  摘要 视频异常检测（VAD）通常被构建为一种单类分类任务。以物体为中心的区域内的大多数像素都存在全局运动和随时间变化的运动，例如行走，这种变化通常是规律的；而局部运动（

  来源：Sensors

  时间：2026-05-06

• 用于边缘感知系统的通信高效联邦学习与双向稀疏聚合技术 赵禾 李京伟

  摘要 分布式边缘感知系统，如物联网监控节点、可穿戴设备和基于摄像头的感知终端，会持续生成对隐私敏感的数据，这些数据的传输到中央服务器的成本非常高。联合学习（FL）提供了一种无需共享原始数据即可进行协作模型训练的解决方案；然而，其在边缘感知系统中的实际部署面临着非独立同分布（non

  来源：Sensors

  时间：2026-05-06

• 物理增强正交传感技术在轧钢机异常检测中的应用（用于自监督学习） 王一凡（Yifan Wang）、 郑斌（Bin Zheng）、 冯叶汉（Yehan Feng） 陈雄（Xiong Chen）

  摘要 滚筒导向系统是影响钢材质量的关键组件。然而，由于现场环境恶劣，通常缺乏有效的在线监测和预警机制。此外，在工业环境中，故障样本非常稀缺，这使得基于监督学习的人工智能方法难以应用。本文提出了一种“物理增强”的正交感知信

  来源：Sensors

  时间：2026-05-06

知名企业招聘：