基于物联网技术的智能水上垃圾处理器的研发与设计

文中针对水上垃圾处理问题,利用物联网技术研发了一种智能水上垃圾处理器。通过对垃圾进行识别和分类,实现了智能化的垃圾处理和收集。通过系统需求分析和设计,提出了智能水上垃圾处理器的功能需求、性能需求、硬件设计、软件设计和网络通信设计。同时,研究了关键技术,包括垃圾识别与分类算法、智能控制与操作系统、垃圾收集与处理机制。通过实验与性能评估,验证了智能水上垃圾处理器的功能和性能。最后,总结了研究工作,提出了进一步优化和发展的展望。     

基于深度学习的语音识别垃圾桶的设计

随着“碳达峰、碳中和”目标的提出,为了响应绿色可持续发展的号召,人们逐渐意识到垃圾分类的重要性,但由于大部门城市的居民刚接触垃圾分类,分类知识相对薄弱,且市面上的智能分类垃圾桶仅带有感应式开盖功能,并不能对人类提供相应帮助。为了解决上述问题,本文设计了一款新型的智能垃圾桶,该桶基于深度学习的语音识别技术,以STM32F103R6单片机为核心,搭配红外传感器、语音识别、播报模块、舵机等硬件,协助人们进行垃圾分类的。     

基于双线性注意力网络的垃圾图像识别与分类方法

针对传统图像识别技术应用于垃圾图像的识别及分类中存在的误差较大的问题,文章提出一种基于双线性注意力网络的垃圾图像识别与分类方法。采用二维中值滤波法,对自主拍摄和网络收集而构建的居民生活垃圾图像数据集图像进行去噪处理。应用多尺度融合方法对去噪后的图像质量进行增强处理,以此完成对垃圾图像的预处理。最后,设计一个双线性注意力网络模型,经过模型训练完成垃圾图像的分类识别。实验结果表明,应用该方法识别并分类居民生活垃圾图像的准确率为96.5%,说明该方法具有较好的有效性与较高的准确性。     

基于深度学习的智能垃圾分类系统设计

为了推进我国的环境保护,我国正大力推广垃圾分类。由于垃圾品类复杂繁多,且分类垃圾桶设计简单,大部分仅为贴有分类标签的普通垃圾桶,需要人为识别垃圾种类,因此造成垃圾分类工作效率偏低。本文提出了基于深度学习算法,将图像识别、迁移学习和嵌入式开发应用到垃圾分类当中,设计了一种智能分类垃圾桶,实现了垃圾识别、自动分拣的功能。符合当下社会环境保护和发展的形势,同时为智能制造市场填补上重要的一环,具有较强的创造性意义。     

基于机器视觉和深度学习的建筑垃圾智能识别研究

针对当前建筑垃圾分选中存在的分选效率不高、自动化程度较低等问题,提出了一种基于机器视觉和深度学习的建筑垃圾智能分选系统并对检测识别过程进行了详细研究。该系统采用背景建模法对建筑垃圾进行检测定位,可以有效避免运输皮带抖动、磨损和光照变化等情况,提高检测精度和定位速度。此外该系统基于ResNet卷积神经网络模型对建筑垃圾进行分类识别,并通过迁移学习方法对建筑垃圾分类模型的训练效率进行了优化,将模型的分类准确率提高到了99.47%,有助于更好地实现建筑垃圾的智能化分选。     

基于语音识别的智能垃圾分类箱设计

文中设计了一个基于人机交互的智能语音垃圾分类系统。该系统利用STM32控制LD3320语音模块进行语音识别，并由压力检测模块实时监测垃圾箱内的垃圾是否装满，且带有垃圾桶状态播报功能。该系统的整体设计包括硬件设计和软件设计两部分。硬件系统由单片机、语音模块和压力检测模块组成，软件系统由程序编程直接控制LD3320语音识别芯片，也可与单片机进行数据交互。在初始化系统及设置一些寄存器和变量时，需要对其赋予无关后续判断的初值，保证程序无干扰运行。该智能语音垃圾分类箱可帮助人们有效地进行垃圾分类，加强垃圾分类意识，具有较强的实用性。     

融合ResNeXt的家庭智能垃圾桶的实现

虽然世界各国政府以及各省市都出台了与垃圾分类有关的法律规定,但是由于欠缺的分类知识,以及淡薄的分类意识,实际分类成效并不理想。基于此,系统研究了识别分类算法、软硬件解决策略,并对采集到的垃圾数据集进行微调训练,进而建立基于图像识别的识别模型来有效地识别垃圾类型。智能垃圾桶以树莓派为核心控制器,以Arduino单片机为垃圾桶移动控制机器,加上图像识别技术,3D打印技术,完成了垃圾桶对垃圾的自动识别、智能移动等各种功能。     

基于图像处理的智能分类垃圾桶的设计

该项目采用OPEN-CV图像处理技术、树莓派4B开发板及卷积神经网络算法,对实现垃圾智能分类方法进行了研究并设计了一款智能分类垃圾桶。该垃圾桶包含四个子垃圾桶,由四个舵机单独控制,可以实现干垃圾、湿垃圾、有害垃圾和可回收垃圾等四种垃圾的分类回收。采用树莓派摄像头完成四种垃圾图像的采集并保存,在Pycharm中利用卷积神经网络模型训练采集到的垃圾图像,模型训练完成后,将待识别的垃圾图像在训练好的模型中分析、对比、评估、识别出该垃圾的种类并将分类信号传送到树莓派开发板中,同时树莓派开发板驱动舵机旋转,带动对应的子垃圾桶转到投放口下方完成垃圾投放,实现垃圾智能分类。     

基于大数据聚类的用户画像提取与智能推送系统

目前研究的用户画像提取与智能推送系统提取时间过长,且推送结果难以达到用户满意水平.为解决上述问题,基于大数据聚类设计一种新的用户画像提取与智能推送系统,对系统硬件和软件进行设计.系统硬件主要设计了单片机、采集器、微处理器.通过数据集成、清洗、变换、简化4种预处理数据方式对用户数据进行处理,同时推送用户标签(包含用户位置...     

基于STM32的智能垃圾分拣系统

随着全球人口的增长和城市化进程的加快,垃圾处理问题日益严重。传统的垃圾处理方法已经无法满足现代社会的需求,因此智能垃圾分拣系统应运而生。文章设计并实现了一种基于STM32的智能垃圾分拣系统。该系统利用多种传感器对垃圾进行分类,并通过机械手臂和电动阀门等执行器实现垃圾分拣。系统测试与优化验证了该系统的可靠性和性能。相比传统的手动分拣方式,该系统提高了分拣效率和准确性。实验结果表明,该系统能够实现高准确率的垃圾分类,并具有广阔的应用前景。     

基于GINet的垃圾分类检测网络

为了更好地服务于城市垃圾分类,提高垃圾分类前端收集的工作效率,本文提出了一种基于GINet的智能分类垃圾网络。首先在Kaggle数据集和华为垃圾分类公开数据集的基础上进行了人工标注,并建立了垃圾分类的训练数据集。其次,为了提高模型的泛化能力,扩充训练样本,设计了一种具有针对性的多背景图像增强方法。最后,为了解决垃圾分类数据集中某些同类垃圾之间的尺寸、颜色差异巨大,以VGG-16为主干特征提取网络,构建了一个融合多特征提取与注意力机制的垃圾识别网络(Garbage Identification Net,GINet)。仿真实验表明,该算法在复杂环境下拥有良好的鲁棒性和稳定性,检测准确率可达到94.5%,很好地满足了工业场景下垃圾检测的准确性。     

洁净室过滤器效率现场测试的实现

在生产和研究等领域内需要高级别的洁净室.洁净室依靠高效过滤器来维持室内空气的洁净,因此过滤器的效率对洁净室至关重要.早期的测试系统往往采用模拟电路,使测试烦琐、稳定性差.介绍一种用单片微机实现过滤器效率测试的系统,能在现场对过滤器效率进行测试.该系统的特点是成本低、精度高、测试准确、操作简单.经现场测试,测试效果完全达到使用要求.     

基于单片机控制系统的智能垃圾箱设计探讨

垃圾是人们生活的必然产物,如何高效、卫生、便捷的处理垃圾,成为人们重点关注的问题.智能分类垃圾箱,可以对垃圾进行智能化管控,具有较强的实用价值和广阔的市场前景.     

O2O垃圾分类的用户体验中口碑传播的影响机制研究

本文采用S-0-R模型，基于O2O模式下的生活垃圾分类调查对象的反馈结果，对用户体验与口碑传播的影响机制进行统计分析。由最终分析成果可以得出，当将消费选择作为中介变量时，垃圾分类中的用户体验对口碑传播有显著的正向影响，同时为了助力于实现垃圾的减量化和资源化，文章提出了在垃圾源头分类中用户的选择体验和社会体验提升在系统中的重要性，提升垃圾围城和资源浪费问题的解决效率。     

面向分布式缓存系统的无线资源管理:动机、挑战与方法

移动社交网络平台的多元化发展与推广,使得移动用户对数据传输的需求呈爆发式增长趋势,并对匮乏的频谱资源及高负荷基站的管理提出了新挑战.为了解决这些问题,将分布式缓存系统引入无线协作网络中,鼓励移动用户间协作缓存热门内容,以实现用户间低能耗、高可靠、低时延的内容共享,同时为基站和回程链路减负.分析了无线分布式缓存系统中无线资源管理所面临的机遇和挑战,针对频谱高效、能量高效及安全传输等关键问题,围绕图论和匹配理论对无线资源管理方法展开了讨论和总结.此外,讨论和分析了挖掘和利用社交信息有效提升无线资源效率的可行性,同时对社会学和无线网络领域的交叉研究进行了展望.     

新浪微博反垃圾中特征选择的重要性分析

微博中的垃圾用户非常普遍,其异常行为及生产的垃圾信息显著降低了用户体验。为了提高识别准确率,已有研究或是尽可能多地定义特征,或是不断尝试提出新的分类检测方法;那么,微博反垃圾问题的突破点优先置于寻找分类特征还是改进分类检测方法,是否特征越多检测效果越好,新的方法是否可以显著提高检测效果。以新浪微博为例, 试图通过不同的特征选择方法与不同的分类器组合实验回答以上问题,实验结果表明特征组的选择较分类器的改进更为重要,需从内容信息、用户行为和社会关系多侧面生成特征,且特征并非越多检测效果越好,这些结论将有助于未来微博反垃圾工作的突破。     

Spectral and energy efficient cognitive radio‐aided heterogeneous cellular network with uplink power adaptation

In future heterogeneous cellular networks, cognitive radio compatible with device to device communication technique can be an aid to further enhance system spectral and energy efficiency. The unlicensed smart devices (SDs) are allowed to detect the available licensed spectrum and utilise the spectrum resource which is detected as not being used by the licensed users. In this work, we propose such a system and provide comprehensive analysis of the effect of selection of SDs' frame structure on the energy efficiency, throughput and interference. Moreover, uplink power control strategy is also considered where the licensed users and SDs adapt the transmit power based on the distance from their reference receivers. The optimal frame structure with power control is investigated under high‐signal‐to‐noise ratio (SNR) and low‐SNR network environments. The impact of power control and optimal sensing time and frame length, on the achievable energy efficiency, throughput and interference are illustrated and analysed by simulation results. It has been also shown that the optimal sensing time and frame length which maximizes the energy efficiency of SDs strictly depends on the power control factor employed in the underlying network such that the considered power control strategy may decrease the energy efficiency of SDs under very low‐SNR regime. Copyright © 2016 John Wiley & Sons, Ltd.     

7号信令系统电话用户部分(TUP)的仿真设计

7号信令网是通信网中专门用来传送各节点之间网络信令的共路信令网络。由于其信令容量大,误码率低,传输效率高以及具有极强的兼容性等优点,而被广泛的运用于电话网、ISDN、移动通讯、智能网等各种网络通信业务中。本文介绍了7号信令网用户部分(TUP)的仿真系统,该系统针对7号信令网的教学需要,模拟了正常通话情况下电话用户部分信令传送及处理的全过程以及各种异常通话的信令传送及处理过程。为便于演示,在系统中加入了主被叫用户控制;为提高信令传送效率,在设计中采用了信令编码库和对信令传输通道进行复用;为使系统具有更强的可重用性和稳定性,在程序中设置各种相关数据为可修改值。     

D2D通信系统中基于QoS的分簇信道分配算法

D2D(Device-to-Device)通信作为第五代移动通信(5G, 5-generation)的关键技术之一,因其高频谱效率、低能耗等优点受到广泛关注。为了更好地满足D2D用户的服务质量(quality of service, QoS)需求,本文引入用户满意度的概念,提出了一种基于QoS的分簇信道分配算法。该算法运用图论着色方法为D2D用户分配信道,可分为三个步骤:首先构建D2D用户间的干扰图,然后在保证蜂窝用户QoS需求的情况下建立D2D用户的可用颜色列表,最后为D2D用户分簇,位于同一簇内的用户可以共享信道。仿真结果表明,本文算法可以有效提高D2D用户的满意度和系统公平性。