虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

网络检测

  • som神经网络柴油机故障诊断

    一个很好的柴油机故障诊断方法。和bp神经网络的检测结果差不多

    标签: som 柴油机 故障诊断

    上传时间: 2015-05-08

    上传用户:广发十多个

  • 过零检测可控硅控制程序stc51单片机

    过零检测可控硅控制程序,亲测stc51单片机。源码用网络用的源码改的

    标签: 过零检测 stc51单片机

    上传时间: 2021-10-15

    上传用户:

  • 基于改进YOLOv3的电力设备红外目标检测模型

    红外图像检测技术因具有非接触、快速等优点,被广泛应用于电力设备的监测与诊断 中,而对设备快速精确地检测定位是实现自动检测与诊断的前提。与普通目标的可见光图像相比, 电力设备的红外图像可能存在背景复杂、对比度低、目标特征相近、长宽比偏大等特征,采用原 始的 YOLOv3 模型难以精确定位到目标。针对此问题,该文对 YOLOv3 模型进行改进:在其骨干 网络中引入跨阶段局部模块;将路径聚合网络融合到原模型的特征金字塔结构中;加入马赛克 (Mosaic)数据增强技术和 Complete-IoU(CIoU)损失函数。将改进后的模型在四类具有相似波纹 外观结构的电力设备红外图像数据集上进行训练测试,每类的检测精度均能达到 92%以上。最后, 将该文方法的测试结果与其他三个主流目标检测模型进行对比评估。结果表明:不同阈值下,该 文提出的改进模型获得的平均精度均值优于 Faster R-CNN、SSD 和 YOLOv3 模型。改进后的 YOLOv3 模型尽管在检测速度上相比原 YOLOv3 模型有所牺牲,但仍明显高于其他两种模型。对 比结果进一步验证了所提模型的有效性。

    标签: 电力设备 红外目标检测

    上传时间: 2021-10-30

    上传用户:

  • 论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页

    论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页摘要 实现猪体温测量自动化有利于实时监测猪的健康状况、母猪发情和排卵检测等 生理健康状况。本文采用红外热成像仪采集猪的红外热图像,引入化学计量学建模 方法建立体表温度、环境温度与直肠温度间的多元校正模型,同时提出两种关键测 温部位的自动检测方法。主要结论总结如下: (1)建立了母猪体表温度、环境温度与母猪体温之间的一元和多元线性回归模型。研 究发现, 9个身体区域提取的体表温度与直肠温度呈正相关(产O.34~0.68),其中, 基于耳根区域体表温度平均值建立的一元回归方程效果最优,预测集相关系数RP与 均方根误差RMSEP分别为0.66和0.420C。全特征模型相比一元线性回归方程有更 好的预测效果,RP和RMSEP分别为0.76和O.370C。此外,应用特征选择方法LARS. Lasso确定了7个重要特征建立简化模型,其校正集和预测集的R分别为0.80和 0.80,RMSEs分别为0.30和0.350C。 (2)将卷积神经网络应用于生猪主要测温部位(眼睛和耳朵区域)的直接分割。利用 python构建了四种不同结构的卷积神经网络模型FCN一1 6s、FCN.8s、U.Net一3和U. Net.4。对比分析4种卷积神经网络模型的性能,结果表明U-Net.4网络结构的分割 效果最优,平均区域重合度最高为78.75%。然而,当计算设备的计算力不够时,可 以选用U.Net一3模型以达到较好的分割效果。 (3)提出猪只眼睛及耳根区域关键点的识别方法,将猪只主要测温部位的检测问题 转变为主要测温部位的定位问题。设计具有不同深度的卷积神经网络架构A.E,得 出架构E最优。且当Dropout概率设置为0.6时模型效果最好,验证集平均误差和 预测集平均误差分别为1.96%和2.65%。测试集单张猪脸关键点的预测误差小于5% 和10%的比例分别为89.5%和97.4%。模型能够很好的定位猪脸关键点,用于猪只 体温测量。 本文采用红外热像仪测量母猪体表温度,通过化学计量学建模为非接触母猪直 肠温度测量提供了更准确、可靠的方法,同时提出两种关键测温部位的自动检测方 法,有助于实现母猪体温测量自动化,为生猪健康管理提供参考。

    标签: 红外热成像技术

    上传时间: 2022-02-13

    上传用户:jiabin

  • 视觉图像和可穿戴计算数据融合的跌倒检测技术及应用

    人口老龄化是世界各国正在面对的一个普遍问题。随着我国老龄化程度的持续加剧,对于老年人群体的医疗资源投入会不断提高。而与此同时,跌倒已经成为老年人日常生活中最为常见的危险行为活动。所以,跌倒检测系统的研究和应用对降低老年人受到的身心伤害和医疗成本具有显著的意义。目前解决老年人跌倒检测的方案仍存在许多不足。其中,基于计算机视觉的跌倒检测技术在无干扰的场景下检测较为有效,但其易受环境变化(如背景光线影响、人遮挡问题等)影响。此外,基于可穿戴计算的跌倒检测技术受限于算法稳定性和识别准确率,系统的灵敏度和特异性难以同时得到保证。针对上述问题本文提出一种融合计算机视觉和可穿戴计算数据的跌倒检测新的方法。首先,设计并开发了集成三轴加速度计、三轴陀螺仪和蓝牙的活动感知模块,实现实时采集、传输人体活动数据:其次,使用深度学习算法从摄像头采集的图像数据提取人体姿态特征数据:最后,对采集的人体活动数据和姿态数据进行规范化和时序化处理,设计了两个深度学习网络分别对数据进行特征提取,并将两特征进行特征层数据融合,在此基础上构建神经网络对融合数据进行活动本文搭建了实验平台并进行了算法测试,其中,本文跌倒检测算法针对离线测试数据的准确率为992%,平均敏感度为995%、平均特异性为99.8%:针对在线数据系统测试准确率为98.9%、平均敏感度为99.2%、平均特异性为99.5%实验结果证明了利用计算机视觉和可穿戴计算数据融合的跌倒检测具有较高的准确率和鲁棒性。

    标签: 视觉图像 数据融合

    上传时间: 2022-03-14

    上传用户:bluedrops

  • 无线传感器网络中基于模糊理论的决策级数据融合技术的分析

    摘要:无线传感器网络(Wireless Sensor Networks,wSN是由许多具有低功率无线收发装置的传感器节点组成,它们监测采集周边环境信息并传送到基站进行处理在某一时刻通过wSN采集的数据量非常大,如何正确、高效地处理这些数据成为当前WSN研究中的一个热点。传感器节点一般部署在恶劣环境中,一些偶然因素会使采集的数据中出现不准确的数据,用户依据这样的数据很难准确判断出被测对象的真实状态。基于模糊理论的决策级数据融合算法能够很好的解决这个问题本文以国家863研究项目《基于无线传感器网络的铁路危险货物在途安全状态监测技术研究》为背景,结合铁路运输中棉花在途状态监测系统的开发,在分析了当前有效的决策级数据融合技术基础上,提出了基于模糊理论的决策级数据融合算法,该算法通过对采集数据进行处理和分析,以获得准确的被测对象状态的描述。本文的主要工作包括:(1)分析了WSN中传统的决策级数据融合算法,如自适应加权数据融合算法和算术平均数数据融合算法,总结这两种算法的优缺点和检测系统的需求,进步明确理想算法应达到的目标。(2)提出了基于模糊理论的两阶段数据融合算法:该算法第一阶段利用基于贴近度的数据融合算法进行同类数据的融合校准,这一阶段的目的是剔除错误的和可信度较差的数据,得到相对更加准确的数据,第二阶段利用模糊推理对第个阶段得到的异类数据进行融合推理,得到被测对象当前状态的描述,为决策提供支持(3)结合实测数据仿真本文所提出的算法,结果证明与传统的融合算法相比,可以更加准确的描述被测对象状态

    标签: 无线传感器

    上传时间: 2022-03-17

    上传用户:

  • 基于SP30传感器和CAN总线的胎压检测系统

    1引言汽车在高速行驶过程中,轮胎气压不足易导致爆胎。爆胎是引起交通事故的主要原因。轮胎压力检测系统(TPMS)的作用是在汽车行驶过程中对轮胎气压进行实时检测,并对轮胎漏气和低气压等情况进行报警,确保行车安全。目前,TPMS主要分为直接式和间接式。直接式系统通过安装在轮胎内部的压力传感器直接检测胎内压力和温度状态:间接式是通过安装在转轴上的转速传感器推算出胎内压力。直接式TPMS具有实时、准确等特点,得到了市场的广泛关注。本文介绍基于英飞凌(Infineon)压力传感器SP30的直接式TPMS系统,并将本系统接入汽车的高速局域通信网络一CAN总线网络及辅助通信网络-LIN的总线设计。2胎压检测系统总体方案直接式TPMS系统结构如图1,主要包括轮胎发射模块、RF接收模块、显示报警控制模块、低频唤醒模块、CAN总线及LIN总线。

    标签: sp30 传感器 can总线

    上传时间: 2022-06-20

    上传用户:1208020161

  • 深度神经网络及目标检测学习笔记

    上面是一段实时目标识别的演示, 计算机在视频流上标注出物体的类别, 包括人、汽车、自行车、狗、背包、领带、椅子等。今天的计算机视觉技术已经可以在图片、视频中识别出大量类别的物体, 甚至可以初步理解图片或者视频中的内容, 在这方面,人工智能已经达到了3 岁儿童的智力水平。这是一个很了不起的成就, 毕竟人工智能用了几十年的时间, 就走完了人类几十万年的进化之路,并且还在加速发展。道路总是曲折的, 也是有迹可循的。在尝试了其它方法之后, 计算机视觉在仿生学里找到了正确的道路(至少目前看是正确的) 。通过研究人类的视觉原理,计算机利用深度神经网络( Deep Neural Network,NN)实现了对图片的识别,包括文字识别、物体分类、图像理解等。在这个过程中,神经元和神经网络模型、大数据技术的发展,以及处理器(尤其是GPU)强大的算力,给人工智能技术的发展提供了很大的支持。本文是一篇学习笔记, 以深度优先的思路, 记录了对深度学习(Deep Learning)的简单梳理,主要针对计算机视觉应用领域。

    标签: 深度神经网络 目标检测

    上传时间: 2022-06-22

    上传用户:

  • 基于MCU的智能漏水检测系统设计

    1.1项目背景近年来,随着自动化技术及人们生活水平的提高,智能家居的概念被越来越多的人所接受。所谓智能家居,是以住宅为平台,利用综合布线技术、网络通信技术、安全防范技术、白动控制技术、音视频技术将家居生活有关的设施集成,构建高效的住宅设施与家庭口程事务的管理系统提升家居安全性、便利性、舒适性、艺术性并实现环保节能的居住环境。在智能家居系统中,智能防漏水系统是在家居安全里具有十分重要的作用。通常由于一时疏忽,如停水时忘关水龙头、下水不通畅、管道破损等意外原因所造成家居漏水,很多情况下事态严重,不仅是自家受损失,同一栋楼里的人也会同样受害。因此设计了一种家居智能防水系统,能自动检测选定区域的意外漏水,通过电磁阀及时切断水管,并伴随声光报警,提示出现的浸水事件,减少漏水状况的恶化,能有效地防止各种损失进一步扩大。1.2项目概述智能家居是利用先进的计算机技术、网络通讯技术、综合布线技术、依照人体工程学原理,融合个性需求,将与家居生活有关的各个子系统如安防、灯光控制、窗帘控制、煤气阀控制、信息家电、场景联动、地板采暖等有机地结合在一起,通过网络化综合智能控制和管理,实现以人为本"的全新家居生活体验。家居智能防水系统在这是采用MCU的智能漏水检测系统设计。在该项目开发过程中要注意下面几个问题:第一,要对各模块电路理解与运用;第二,理论知识与实践相结合:第三,合理的布局把各部件组装好:第四,把需要的软件TK Studio进行调试控制好!

    标签: 智能漏水检测系统 mcu

    上传时间: 2022-06-22

    上传用户:

  • TCP-IP Socket网络编程

    Internet-“冷战”的产物-1957年10月和11月,前苏联先后有两颗“Sputnik”卫星上天-1958年美国总统艾森豪威尔向美国国会提出建立DARPA(Defense Advanced Research Project Agency),即国防部高级研究计划署,简称ARPA-1968年6月DARPA提出“资源共享计算机网络”(Resource Sharing Computer Networks),目的在于让DARPA的所有电脑互连起来,这个网络就叫做ARPAnet,即“阿帕网”,是Interne的最早雏形早期的ARPAnet使用网络控制协议(Network Control Protocol,NCP),不能互联不同类型的计算机和不同类型的操作系统,没有纠错功能1973年由Kahn和Vinton Cerf两人合作为ARPAnet开发了新的互联协议。1974年12月两人正式发表第一份TCP协议详细说明,但此协议有信包丢失时不能得到有效的纠正TCP协议分成了两个不同的协议:-用来检测网络传输中差错的传输控制协议TCP-专门负责对不同网络进行互联的互联网协议IP从此TCP/IP协议诞生1983年ARPAnet上停止使用NCP,互联网上的主机全部使用TCP/IP协议,TCP/IP协议成为Internet中的“世界语”

    标签: TCP-IP

    上传时间: 2022-06-23

    上传用户: