嵌入式微机原理实验装置的设计

为便于学生"近距离"观察体会微机的构造及深入了解微机的工作原理,针对原有的PC机+实验箱的传统微机原理实验装置所存在的缺点,提出了以先进的嵌入式系统为核心构建实验装置的思路.实验装置采用模块化结构设计,将微机原理、接口技术及部分嵌入式实验功能集于一体,有利于学生综合能力及创新能力的培养.     

μC/OS-Ⅱ在离子色谱分析仪中的应用

在离子色谱分析仪的设计中,采用了嵌入式PC以及μC/0S-Ⅱ.在介绍了离子色谱分析仪的工作原理之后,详述了μC/OS-Ⅱ下的底层驱动函数以及多任务应用程序的设计,实现了稳定可靠的离子色谱分析仪.     

基于MQTT协议的在线离子色谱仪远程监控系统设计

在线离子色谱仪是可以对样品进行连续自动分析,并以谱图的形式显示样品中离子含量的化学分析仪器。为确保对样品的连续检测,仪器需要不间断的运行。由于设备经常放在工作室或偏远地区,需要对在线离子色谱仪的运行状况进行远程监控。针对此问题设计在线离子色谱仪的远程监控系统。该系统使用轻量级MQTT协议作为通讯协议,通过在线离子色谱仪中集成MQTT客户端,在云服务器中部署MQTT的消息中间件和短信网关,实现了用户在手机应用客户端查看在线离子色谱仪的运行参数、通过手机短信接收紧急报警信息等功能。     

基于NB-IoT的儿童防丢系统的设计

中国每年有很多儿童走丢,一旦儿童丢失找回来的几率微乎其微。基于此,设计一种基于窄带物联网（Narrow Band Internet of Things, NB-IoT）的儿童防丢系统,采用NB-IoT替代传统的蓝牙、WiFi、GPRS等方式,具有功耗小、覆盖广、穿透强、信号好等优点;采用北斗定位模块替代传统的GPS,具有无盲区、定位准等优点。利用NB-IoT与基站建立连接,将北斗卫星导航系统输出的定位信息通过NB-IoT传输至基站。用户可通过移动客户端随时查看儿童的位置信息,帮助家长快速定位并找回儿童,降低儿童丢失的几率。     

基于3D打印机控制结构的自动进样器系统设计

自动进样器现已大量应用于分析用仪器设备中;为了实现更快速、高效、智能化的进样,在传统进样器基础上设计了一种基于3D打印机控制技术的液相自动进样器控制系统;设计将三轴联动技术应用于进样器瓶号定位,电机加减速的S形曲线优化方案确保针架起停的稳定性和定位的精度;触摸屏的添加,可将进样器单独使用,增强了人机交互能力,同时还支持485联机通讯离子色谱仪等专用分析仪器,操作的详细提示也可杜绝用户误操作;驱动电路方面采用双极型电机专用控制芯片DRV8825,改进系统的整体结构与组成,优化主控与驱动电路的控制设计;进样器具有结构简单,操作方便,应用面广,自动化和智能化程度高,制造与维护成本低等优点;实际应用测试表明,该系统拥有良好的稳定性,系统整体性能大大提高,满足了设计需求,达到了设计要求。     

基于机器视觉的非特定物体的智能抓取系统的研究

针对传统机械臂局限于按既定流程对固定位姿的特定物体进行机械化抓取,设计了一种基于机器视觉的非特定物体的智能抓取系统;系统通过特定的卷积神经网络对深度相机采集到的图像进行目标定位,并在图像上预测出一个该目标的可靠抓取位置,系统进一步将抓取位置信息反馈给机械臂,机械臂根据该信息完成对目标物体的抓取操作;系统基于机器人操作系统,硬件之间通过机器人操作系统的话题机制传递必要信息;最终经多次实验结果表明,通过改进的快速搜索随机树运动规划算法,桌面型机械臂能够根据神经网络模型反馈的的标记位置对不同位姿的非特定物体进行实时有效的抓取,在一定程度上提高了机械臂的自主能力,弥补了传统机械臂的不足.     

基于机器视觉的圣女果采摘机械臂的动作研究

针对当前圣女果采摘机器人无法保证带蒂采摘的问题,提出一种通过机器视觉进行圣女果姿态分析进而生成特定的机械臂采摘动作的方法;该方法通过模拟人手采摘流程,能够使得机械臂末端执行器到达采摘位置时与圣女果的果蒂方向保持一致;整体系统包括对成熟圣女果的目标检测,测距算法的实现,圣女果方向识别以及机械臂动作生成;根据轮廓拟合算法的思想进行算法改进,实现针对圣女果的更加精确、稳定的方向识别算法,从而获得机械臂末端执行器与圣女果果蒂方向一致的目标位姿,进而实现相应机械臂采摘动作的生成;多次实验表明,改进后的对于圣女果方向的识别算法相较于传统轮廓拟合算法而言误差角度更小,对于不同姿态圣女果的方向识别更具稳定性,因此更加适用于实际采摘流程中根据圣女果姿态生成机械臂的特定采摘动作。     

基于ETR100嵌入式模块的飞梭绣花机控制器

针对传统的机械飞梭绣花机，利用嵌入式网络模块ETR100实现了飞梭绣花控制器的设计。本设计采用电磁铁驱动电子纹板代替了传统的穿孔纸带，并将花样图案在液晶屏幕显示出来。同时采用U盘存储花样文件，由控制器读入数据，并直接控制绣花机工作。系统具有友好的人机界面，丰富的功能和可靠的工作性能。     

基于高分辨率图像的多尺度作物分类

基于无人机平台获取的地面影像有着较高的空间分辨率, 但提供丰富的细节信息的同时, 也为农作物分类带来很多“干扰”, 尤其是在利用深度模型进行作物识别时, 存在边缘信息提取不充分及相似纹理作物误分, 导致分类效果欠佳等问题. 因此, 通过多尺度注意力特征提取的思路构建模型, 有效提取边缘信息, 提高作物分类精度. 所提出的多尺度注意力模型 (multi-scale attention network, MSAT)通过多尺度块嵌入获取同一层级不同尺度的作物信息, 多尺度特征图被映射为多条序列独立地馈送到因子注意力模块中, 增强对农作物上下文信息的关注, 提高模型对地块边缘信息的提取, 因子注意力模块内置的卷积相对位置编码增强块内部局部信息的建模, 提高对相似纹理作物的区分能力, 最后通过融合局部特征与全局特征, 实现粗细双重信息的提取. 在水稻、甘蔗、玉米、香蕉和柑橘5种作物上的分类结果表明, MSAT模型的MIoU (mean intersection over union)和OA (overall accuracy)指标达0.816、98.10%, 验证了基于高分辨率图像的精细作物分类方法可行且设备成本低.