The trend in development of hybrid fiber-wireless optical systems is towards high transmission rate communication systems with high capabilities, high bandwidths as well as operational frequencies. A 24×50Gbps integrated mode division multiplexing -passive optical network system incorporating fiber-free space optics (FSO) link is reported under diverse climate conditions. Results indicate that proposed design allows maximum FSO range of 10-110km along with 1000m fibr range at 50Gbps/channel rate under air as well as mode 0. Higher split ratio of 64 can be realized using the proposed work. Compared to other designs, this designed offers best performance.

The task of identifying and classifying playing cards within images or video streams in computer vision involves employing a Sequential Convolutional Neural Network (CNN) model. This process combines image categorization and object recognition, presenting a sophisticated and engaging implementation of machine learning techniques. The significance of classifying and detecting playing cards extends to artificial intelligence and computer vision, with numerous practical applications. Systems for classifying and detecting playing cards utilizing artificial intelligence (AI) rely on computer vision methods and deep learning algorithms to achieve precise identification and categorization. These technological solutions not only enhance automation and efficiency across various tasks but also open up new possibilities for interaction and enjoyment in the domain of playing card games, making them accessible and engaging in diverse industries and user experiences. The primary objective of this research is to categorize playing cards and predict their expected accuracy, targeting a result of 75 percent. The high level of accuracy demonstrated in this study holds potential benefits for future researchers exploring this technology and subject matter.

Encouraging the production of casting products while cutting down on inspection expenses and time commitments is made possible through automated surface fault inspection. As a key element of contemporary modern manufacturing, intelligent systems with image classification capabilities are frequently used in visual inspection. In comparison to traditional machine learning methods, Convolutional Neural Networks have demonstrated notable improvements in image categorization tasks. The purpose of this research is to investigate the use of transfer learning techniques for the recognition and classification of casting defects on the surface using the Resnet152V2-based Convolutional Neural Network architecture. To demonstrate the model's adaptability in heterogeneous casting, a range of image-processing techniques were first used to casting datasets for data enhancement. The lightweight ResNet152V2 model that has already been trained is then modified, and its hyperparameters are adjusted to maximize its performance. The effort produces a scalable, lightweight, and adaptive model that is perfect for edge devices with limited resources. The model has been assessed using different performance matrix. The accuracy of the model is 99.65%, precision achieved is 99.95%, recall is 99%, based on statistical parameters. These findings demonstrate that a CNN framework based on the ResNet150V2 architecture can be effectively used for the identification of casting surface defects of impellers used in pumps in manufacturing sectors, despite its uncomplicated architecture.

A rare and potentially fatal viral disease, monkeypox predominantly impacts non-human primates, including humans. It is critical to establish an early and precise diagnosis of monkeypox in order to contain outbreaks and administer opportune treatment effectively. Deep learning and convolutional neural networks (CNNs) have demonstrated considerable potential in the domain of medical image diagnosis in recent times. The current research paper introduces an innovative methodology for categorizing images of monkeypox utilizing the cutting-edge deep learning framework, EfficientNetB3. Outstanding performance has been exhibited by EfficientNetB3, a CNN architecture renowned for its high efficiency and accuracy across a range of image classification tasks. This study presents the adaptation and fine-tuning of EfficientNetB3 to classify monkeypox. Data augmentation techniques are implemented to improve the model's capacity to extrapolate to diverse variations present in images of monkeypox. A substantial collection of images about monkeypox, comprising laboratory samples and clinical photographs, is utilized by the proposed model. In terms of accurately and precisely classifying images of monkeypox, experimental results demonstrate the efficacy of our method. Several metrics are employed to assess the efficacy of the mode. The performance of the trained EfficientNetB3 model in differentiating monkeypox from various skin conditions and infections is encouraging, as this capability is critical for the timely and precise diagnosis of the disease.

A high speed long haul optical wireless communication (OWC) system employing erbium doped fiber amplifier is realized for four distinct wavelengths. Results indicate that architecture provide faithful OWC range of 270-350, 250-300 and 200-250km at 1, 2 and 3µrad pointing errors respectively. Moreover, optimum performance is measured at 1550nm wavelength. Architecture illustrates superior performance over other existing ones.

To use optical wireless communication (OWC) in satellite services, forwarding communication between geostationary and low-Earth orbit satellites would typically be implemented. The OWC technology is included in this study to improve the communication in an intersatellite scenario. For this a 4×10Gbps OWC system is designed and investigated for inter-satellite links. Simulation results comprise that maximum satellite range of 27000-36000km for non return to zero and 27000-32000km for return to zero is obtained in architecture. Additionally, eye patterns together with optical spectra provide the design performance for varied range of 27000-36000km. Also, it is verified that design comprises optimum performance over other satellite communication systems.