杰里米设想通过与受伤者交谈了解伤口原因和痛苦。如果在刀具中嵌入微芯片，记录切割数据并发送到服务器，利用AI分析，可以更客观地理解伤害方式，从而推动研究和改善产品。

本研究采用YOLOv7物体检测模型，针对厨房刀具使用中的不安全行为进行检测，成功识别手指位置和刀刃接触手的情况，显示出提升厨房安全的潜力。

本研究提出了一种基于深度学习的方法，通过引入切削条件作为额外的模型输入，提高刀具磨损估计的准确性。实验结果表明，该方法在工业场景中具有潜在的应用价值。

本文介绍了一种新颖的方法来预测数控车削中的刀具磨损，该方法结合了超声麦克风阵列和卷积神经网络 (CNN)。利用波束形成技术增强 0 kHz 到 60 kHz 的高频声发射信号与噪声之比，然后通过 CNN 分析处理后的声学数据，预测切削工具的剩余可用寿命 (RUL)。经过训练并使用单个硬质合金插入切削的 350 个工件的数据，该模型能够准确预测硬质合金插入切削的...

本文比较了传统机器学习和深度学习在条件监测任务中的表现，结果显示传统方法和神经网络都有优劣。研究强调了特征选择的重要性，提供了关键见解，增强了其在真实世界场景中的适用性。