改进的人工势场在智能餐厅服务型机器人上应用的研究

人工势场是一种常用的机器人路径规划和避障方法,然而在智能餐厅服务型机器人的应用中,存在一些问题和挑战。在此研究了改进的人工势场在智能餐厅服务型机器人上的应用。传统人工势场在路径规划和避障方面存在局部极小值等的缺点,为了克服这些问题,引入不同的算法来调节势场的作用范围。通过对比规划,改进的势场方法在智能餐厅场景下表现出更好的稳定性、收敛性和适应性。     

基于深度神经网络和迁移学习的高精度车辆识别系统研究

近年来,我国大力推进智慧城市和智慧交通建设,在车牌识别领域所要求的识别精度、场景适用性和反映灵敏性也越来越高。文章提出了一种基于深度神经网络算法的高精度车辆识别系统,利用开源图形化视觉处理库OpenCV和数据分析处理库NumPy对车牌进行图像预处理。基于预处理后的数据,利用深度神经网络学习框架TensorFlow进行学习训练,实现了对车牌的快速精准识别。系统首先对车牌所在位置进行定位,其次对锁定后的车牌图像进行切割,再次将车牌背景和文字通过像素点移位算法由彩色图像转换为灰度图像,最后实现字符的切割与识别,得到所要识别的车牌数据。实验结果表明,与传统识别系统相比,基于深度学习的识别系统准确率更高,识别速度更快。     

基于QoS监控的可靠组合服务推荐模型

(1. College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China; 2. School of Computer and Information, Shanghai Second Polytechnic University, Shanghai 201209, China)