基于OMAPL138智能台区终端的设计

介绍一种基于OMAPL138智能台区终端的整体设计方案,详细阐述了整个系统的硬件设计以及双核架构的软件开发流程。该方案兼有DSP和ARM的优点,不仅提升了终端的整体性能,其片内总线架构也解决了CPU之间通讯瓶颈的问题。     

基于OMAPL138的视频监控烟雾检测系统

基于低功耗浮点DSP+ARM双核架构的高性能芯片OMAPL138,开发一个带烟雾检测功能的视频监控与处理系统。该系统利用Davinci异构多核通信的基础组件SysLink,实现了视频信号在异构多核处理器之间的通信与处理,具有体积小,功耗低,算法实现灵活高效,可以脱离计算机独立运行等特点。在OMAPL138的DSP端运行了基于图像频度特征的烟雾检测算法,综合运用频度图像和灰度图像相对于基准图的相关系数,既能检测浓烟也能检测稀薄烟雾,并利用烟雾的独有特征避免了物体移动与光照变化等场景引起的误检测。     

基于OMAPL138与FPGA的惯性姿态测量系统设计与实现

为了满足高性能、低成本及多接口的惯导使用需求,设计一种基于OMAPL138+FPGA的大存储空间惯性姿态测量系统;系统设计充分利用OMAPL138的异构双核结构,结合每种处理器应用特点,进行任务划分并构建硬件平台;设计了丰富的外围接口,通过选择接入GPS、北斗或里程计,能够实现多种组合导航方式;根据使用环境提出惯导与里程计组合导航方案和相应软件流程,并进行了姿态精度测量及导航定位精度试验;姿态测量精度优于0.5密位,纯惯性导航定位精度为0.3‰ D (CEP),组合导航的定位精度为0.14‰,试验结果表明,系统稳定可靠,硬件平台满足惯导计算机设计需求。     

OMAPL138双核系统的调试方案设计

OMAPL138高性能、低功耗双核处理器为手持式移动设备提供强有力的支持。对双核通信模块DSPLink的软件架构和在Linux嵌入式操作系统下的编译加载进行了分析和介绍,以消息队列组件为例分析了ARM和DSP双核通信时通道的建立和连接的方式。通过DSP／BIOS和Linux端DSPLink的MSGQ接口和多线程技术,建立ARM和DSP消息传递通道,提供了在双核开发中对DSP端暗箱调试的解决方法。     

基于OMAPL138处理器的磨机负荷检测系统设计

介绍了一种基于OMAPL138嵌入式处理器的球磨机负荷检测系统设计方案。根据实际需求和当前球磨机负荷检测方法,提出对应的系统硬件及软件设计方案。该方案利用OMAPL138内部两个处理器内核在架构上的非对称性,更为高效地实现了系统的人机交互功能和数字信号处理。通过对球磨机产生的磨音信号进行频域分析,判断球磨机的负荷状态,为球磨机控制策略的调整提供相关参考依据。该系统可以应用于水泥制造、金属选矿等使用球磨机的行业。     

基于LPC900实现PLC系统的通用数显仪表

PLC是广泛使用的工业控制设备,但由于没有配套的数显仪表而无法设置或显示参数。本文基于LPC900系列单片机提出了PLC通用数显仪表的实现方案,给出了完整的硬件线路和软件设计思路。该数显仪表可以直接和晶体管输出型的各类PLC连接,实现PLC系统的数据显示功能。     

基于LPC900实现PLC系统的通用数显仪表

PLC是广泛使用的工业控制设备，但由于没有配套的数显仪表而无法设置或显示参数。本文基于LPCg00系列单片机提出了PLC通用数显仪表的实现方案，给出了完整的硬件线路和软件设计思路。该数显仪表可以直接和晶体管输出型的各类PLC连接．实现PLC系统的数据显示功能。     

基于Matlab和C#的数显仪表数字识别系统

数显仪表中数字的识别技术在仪表自动识别领域中应用广泛,改善其识别准确率有助于提高仪表自动化水平。文中采用Otsu算法实现图像二值化,基于孤立像素连通域法对二值图像去噪,并利用垂直投影算法完成字符的分割,利用模块法进行特征提取。构建了3层BP神经网络,采用自适应带动量项的方法对BP神经网络进行参数调整。基于动态链接库方法,文中设计了结合Matlab和C#的数字识别系统。测试结果表明,单字符图像识别准确率可达98%,多字符图像识别准确率可达92.5%。     

数显仪表数字实时识别系统的设计与实现

为了对数显仪表数字识别系统进行改进和优化设计,提出了一种新的识别和研究方法,并设计了一个七段数码管和液晶屏数显示仪表的实时数字自动识别系统.先对仪表数字图像二值化、去除噪声等预处理算法进行了研究,利用各数字背景四连通区域对象的个数和标识矩阵元素的分布来构造识别特征从而对数字进行分类识别,采用基于模型编程的方法结合系统仿真软件Simulink建立仿真模型.该系统识别率达98.6%以上,实验结果表明了该模型和方法的有效性和实用性.     

基于改进的MDF特征的手写体数字识别

方向特征是目前手写体识别中最常用和有效的特征之一.为了减少方向值提取过程中带来的误差,对改进的方向特征(MDF)提出了进一步的改进(MMDF),在方向值提取过程中对方向突变条件进行调整,同时引入半方向归一化线段方向并用二维数组来表示方向值.实验证明采用BP神经网络分类器对手写数字进行识别,与MDF相比,MMDF能同时降低拒识率和提高识别精度.     

基于BP神经网络的手写体数字识别

手写体数字识别是多年来的研究热点,也是字符识别中的一个特别问题。由于手写体数字字体变化很大,传统的识别方法很难达到高的识别率。针对传统的数字识别方法的复杂性和局限性,提出了一种基于BP神经网络的手写体数字的识别方法。该方法在提取手写体数字点特征、笔划密度特征基础上,利用改进的BP神经网络进行训练识别。经实验,识别率达94％。实验结果表明,该方法对手写体数字识别效果良好,不仅简化了传统识别的繁杂性,而且提高了识别的准确性。     

基于图像识别的仪表自动检定系统

针对通信协议保密的国外进口精密露点仪产品不能自动读取数据,严重影响仪表检定效率的问题,提出一种基于机器视觉的解决方法,通过GigE工业相机代替人眼观察,利用图像处理和人工神经网络技术实现仪表读数的自动识别和存储.测试结果表明,算法能够自动、准确地识别精密露点仪的显示字符,进而实现对其自动化检定.     

一种改进的BP神经网络手写体数字识别方法

本文介绍了利用BP神经网络来识别手写体数字的原理,分析了传统BP算法收敛速度较慢的原因,提出了一种提高网络收敛速度的改进算法。实验数据表明,该改进算法比传统的算法在网络收敛速度上提高了九倍左右。     

基于BP神经网络的手写数字识别算法研究

讨论了一个手写数字识别系统的原理及其实现。特征提取的方法是:计算字体轮廓的曲率特征,并在计算曲率的过程中使用了B样条函数;对曲率进行了大小和平移规整化,这样得到的曲率具有大小和方向的不变性。为了得到更紧凑的特征,采用了小波对其进行降维。采用了BP神经网络作为分类器,实验结果表明,对于字形相似的数字也达到了较高的识别率。还简介了识别系统的模块设计和界面设计。     

OMAP-L138与OV2460的人脸识别系统

人脸识别技术是一项新兴的生物识别技术,在门禁考勤系统、出入监管系统,智能家居系统中都有广泛的应用.针对手持式嵌入式设备中的低功耗、高性能要求,提出以基于OMAP L138的异构双核处理器为核心,以200万像素的OV2640摄像头为采集前端的人脸识别平台,基于TI公司SysLink双核通信组件,满足识别的精度与速度的要求.实验采取多组对比试验的方法,通过优化人脸识别算法中的比率,从而达到较高的准确度.     

基于Matlab神经网络的图像识别

神经网络是信息科学、脑科学、神经心理学等诸多学科近年来共同关注的研究热点.由于神经网络具有良好的抽象分类特性,使其成为解决图像识别相关问题的有效工具.在简述图像识别过程的基础上重点讨论利用BP神经网络对图像进行识别,用Matlab完成对神经网络的训练和测试,获得满意的结果.     

基于QNN的图像特征提取字符识别系统设计

为提高字符识别的正确率与可靠性,将图像处理技术与量子神经网络（QNN）相结合,对基于QNN的字符识别系统进行了研究。采用粗网格特征法对图像的特征量进行提取,同时,为了增强粗网格特征法抗位置变化的能力,在特征提取前,对字符图像进行了定位,并将其平移至模板中心,再进行特征提取,然后采用基于多层激励函数的量子神经网络对字符进行识别。采用matlab进行仿真实验,结果表明量子神经网络具有较好的识别效率,准确率可达90%以上,抗噪能力强,可以更好的分类。这说明系统的确可以从一定程度上达到提高识别正确率的效果,达到了预期效果。