تشخيص بلادرنگ و پيش‌بيني زماني الگوهاي بيماري تشنج صرعي بوسيله‌ي تحليل سيگنال‌هاي مغزي (EEG) از روش‌هاي كلينيكي پركاربرد در پيش‌گيري، دارو درماني، مانيتورينگ و تصميمات مهم پيش از عمل‌هاي جراحي‌ مغز به شمار مي‌روند. در اين اختراع، يك چارچوب الگوريتميك جهت پيش‌بيني سيگنالهاي EEG، به منظور شناسايي روي‌خط حملات صرعي ارائه شده است. براي اين منظور، يك بستر نرم افزاري براي پردازش سيگنال بلادرنگ، شامل تركيب دو الگوريتم تشخيص تشنج برون‌خط و الگوريتم پيش‌بيني تشنج روي‌خط طراحي شده است. در الگوريتم تشخيص برون‌خط، مشخصات و پارامترهاي ضروري مورد استفاده در الگوريتم پيش‌بيني زمان–حقيقي حملات تشنج، مشخص و به‌روز مي‌شوند. در اين مرحله پس از پيش‌پردازش، ويژگي‌هاي آماري مبتني‌بر هيستوگرام از تابع توزيع احتمال سيگنال‌هاي مغزي استخراج مي‌شوند. سپس با تعريف يك مدل چندجمله‌اي ضابطه‌مند بر روي هيستوگرام نرماليزه، يك رشته ويژگي ساختاري به نام ويژگي هيستوگرام درونيابي‌شده معرفي و استخراج مي‌گردد. سپس ويژگي‌هاي بهينه با استفاده از مدل هايبريد طبقه‌بند بيزين و الگوريتم جستجوي شكار انتخاب مي‌شوند و يك طبقه‌بند شبكه‌ي عصبي پرسپترون چند لايه (MLP) در حالت برون‌خط آموزش داده مي‌شود. پس از اين طراحي‌ها، نرم افزار با دريافت سيگنال به صورت بلادرنگ عمل پيش‌بيني و تشخيص را انجام مي‌دهد. به اين صورت كه در الگوريتم پيش‌گويي روي‌خط، با آموزش فيلتر كمترين مربعات برگشتي، نمونه‌هاي آينده‌ي سيگنال مغزي تخمين زده مي‌شود و سپس با ويژگي‌هاي مستخرج از هر ايپاك پيش‌بيني‌شده، طبقه‌بندMLP آموزش‌ديده در حالت برون‌خط، الگوهاي تشنج و غيرتشنج را به صورت زمان- حقيقي شناسايي مي‌نمايد. سيستم نرم افزاري اختراع شده در پيش‌بيني سيگنال‌هاي تشنج صرعي نرخ صحت 56/86% و دقت 53/86% با پيش‌بيني 64/6 ثانيه‌ي آينده سيگنال را بر روي يك پايگاه‌داده استاندارد فراهم مي‌‌كند.

استفاده از سيستم هاي بينايي ماشين جهت كنترل كيفيت محصولات گوناگون موضوعي است كه در سال هاي اخير مورد توجه صنعتگران عرصه هاي مختلف قرار گرفته است. در اينجا تلاش گرديده است يك سيستم بينايي ماشين جهت كنترل و ارزيابي كيفيت رنگ آميزي كوره اي بر روي سطوح فلزات به ويژه بشكه هاي صنعتي طراحي و ساخته شود. در صنايع مربوط به رنگ با توجه به سمي و مضر بودن رنگ هاي شيميايي و بالا بودن حرارت محصول بيرون آمده از كوره، استفاده از ماشين به جاي انسان جهت كنترل كيفيت محصولات پس از خروج محصول از كوره ي رنگ آميزي امري شايسته به نظر مي رسد. تمام مراحل انجام گرفته در سيستم ارائه شده به صورت خودكار بوده و پس از تنظيم توسط كاربر در مرحله ابتدايي، بدون دخالت كاربر انجام مي پذيرد. اين سيستم نياز به هيچ ناظري براي بررسي كردن خروجي ها نداشته و در هنگام مواجه شدن با يك محصول معيوب با استفاده از روش هاي پردازش تصوير و شناسايي الگو اعلام خرابي كرده و محصول معيوب را از خط توليد خارج مي نمايد.

اين طرح در زمينه برق- پردازش سيگنال مي¬باشد كه كاربرد آن در كشاورزي است. يكي از مشكلات مهم در علم حشره¬شناسي تشخيص جنس و گونه حشرات است. حشره¬شناس¬ها براي شناسايي يك حشره نياز دارند تا حشره مورد نظر را شكار و گونه آن را در آزمايشگاه تشخيص دهند. در صورتيكه با استفاده از اين سيستم طراحي شده، بدون اينكه بخواهيم حشره را شكار كنيم مي¬توان گونه¬ي حشره¬هايي كه صدا توليد مي¬كنند (حشرات آوازخوان) را از فاصله چند متري و تنها با استفاده از ويژگي¬هاي صدا شناسايي نمود. اين سيستم با استفاده از تكنيك¬هاي پردازش سيگنال، صداي حشره را آناليز و پارامترهاي سيگنال را استخراج مي¬نمايد و با توجه به خصوصيات سيگنال، گونه‌ي حشره آوازخوان را شناسايي و طبقه بندي (تاكسونومي) مي¬كند كه در آن پردازش به وسيله يك برد توكار (نهفته) لينوكس انجام مي¬گيرد تا بتواند به صورت پرتابل مورد استفاده قرار گيرد. اين سيستم، اين امكان را به حشره¬شناسان مي¬دهد كه حشرات آوازخوان را بدون گرفتن (شكار) و بدون نياز به وسايل آزمايشگاهي سريعاً در مزرعه شناسايي كنند. استفاده آسان و قابل حمل اين سيستم، حتي اين امكان را به كشاورز نيز مي¬دهد تا بدون حضور متخصص، گونه‌ي حشره را سريعاً تشخيص داده و اقدامات لازم جهت مبارزه با آفت را انجام دهد.