基于元数据的异构环境物联网管理研究

环境物联网(Environmental Internet of Things,EIo T)已经广泛地应用于环境监测,在各个地区部署不同类型的EIo T系统是一个长期演进的过程。为了对分布于各地的大规模异构EIo T系统进行统一、有效的管理,通过分析环境监测的特点,并进一步分析了基于EIo T的环境监测系统的感知层、传输层与应用层的特点,提取出了各个环境物联网系统中多种类型的、可用于系统管理的元数据。基于这些环境物联网相关的元数据,构建了一个环境物联网系统统一管理框架。该管理框架通过实时感知应用层中数据存储层中的数据异常状态,可以屏蔽不同EIo T子系统中感知层与传输层的差异,这在一定程度上解决了异构性所带来的问题,可以对大规模、分布式部署的多个不同类型的EIo T子系统进行有效管理。     

粉末冶金齿轮成型模具的设计误差

结合粉末冶金材料成型、烧结时尺寸变化的规律，通过计算模型并运用渐开线齿轮的基本原理，分析计算了用变位设计法和变模数设计法设计齿轮成型模具所产生的设计误差，并得出结论，变位设计法存在较大的设计误差，变模数设计法则不存在理论设计误差。     

基于双目视觉的拖车钩检测与定位方法研究

在某些危险环境下需要拖车实施救援时,救援人员难以靠近,救援人员可以通过遥控操作拖车杠来完成拖车钩的挂装。针对被救援车辆拖车钩的检测与定位问题,提出了一种拖车钩检测与定位方法ECSA-YOLOv5,首先改进YOLOv5算法,设计了高效注意力模块ECSA,将其替换掉空间金字塔池化模块上一层的模块,并增加一个大小为160×160的小目标检测层,能够更准确的获得拖车钩在图像中的像素坐标;通过在SGBM立体匹配算法预处理阶段加入引导滤波、后处理阶段引入加权最小二乘法WLS滤波与异常值处理,从而获得更优化的视差图,得到更为准确的目标深度信息,提高拖车钩位置信息计算的精确度。基于Jetson Agx Xavier开发板进行了实验验证,实验结果表明,ECSA-YOLOv5模型较YOLOv5s模型AP值提升了5.8%,达到了99.0%,平均实时检测帧率为14 fps,定位测距在3 m内时,误差在3.5%以下,能够满足拖车钩的检测与定位的准确性和实时性的要求。