基于物联网技术的智慧矿山研究

为实现基于物联网技术的智慧矿山的建设,研究了物联网的由来、煤矿智能管理的关键技术研究以及智慧矿山物联网架构。从感知层的信息收集,到网络层的枢纽作用,对信息进行传输,最后到应用层,实现井下生产的实时监测。同时通过无线网络反馈到信息处理中心对设备运行状态进行分析,然后反馈到井下指导生产,实现煤矿生产设备动态监控,并根据反馈的信息进行远程故障修复,建成基于综合一体化物联网的智慧矿山。     

正利煤业智慧矿山控制系统的应用研究

鉴于当前煤矿开采环境的智能化程度相对较低,结合正利煤业集团现状,开展了基于该煤矿的智慧矿山控制系统应用研究,重点对该控制系统的总体方案》主运输智能管理分系统设计》融合通信与调度分系统设计等方面进行了设计研究,通过对该控制系统的现场应用评价,得出了该控制系统运行良好,实现了对开采区域中设备的实时监控》远程控制及故障报警等...     

基于机器视觉的电厂数字仪表识别算法研究

数字仪表读数识别技术被广泛应用在电厂中,但是电厂中复杂环境为仪表读数获取带来了很大困难。为了解决光照不均、仪表倾斜、尺度变化、图像模糊、预处理繁复等问题,本文设计了一种基于深度学习的电厂数字仪表识别算法。在YOLOv5模型上加入CBAM注意力模块加强特征提取,同时为了强化利用底层特征,使用BiFPN结构代替PANet结构。实验表明,本文提出的改进YOLOv5在实际电厂现场95%以上准确率,对小数点也敏感,成功应用于现场生产环境中。     

基于肤色和运动信息结合的人脸跟踪识别

生物模式识别技术近几年已成为世界高端技术研究的热点.而人脸检测技术由于在一定的正确率下可以远距离检测目标,越来越得到人们的重视.本文提出一种新的动态图像人脸检测跟踪方法,即基于肤色和运动信息的人脸跟踪识别.该方法在简单的背景下,能有效地跟踪人脸,对存在近肤色物体的背景具有一定的鲁棒性.     

面向智慧工厂的卷烟企业实证分析

智慧工厂是工厂数字化、精益化之后的发展方向,是智能制造的基础及关键技术。回顾国内外在智慧工厂相关领域的研究成果,从不同角度给出一种智慧工厂的全景描述,即"三四五-五六体系"。基于行业课题的调研数据,全面分析了卷烟工厂在基础数字化、过程数字化、管理数字化、决策分析数字化等四个层次信息化建设的广度及深度。对照智慧工厂体系模型,指出与智慧工厂的差距主要体现在资源智慧化融合及数据优化驱动不足。同时,以四大重点工程为引领,给出一个迈向智慧工厂的现实路径。     

面向虚拟样机的机构运动独立运动链识别

针对虚拟样机运动仿真中存在的调用平面连杆机构运动分析求解器次数问题,阐明了机构运动独立运动链数目与平面连杆机构运动分析求解器调用次数的关系,以及运动独立运动链与机构基本环路的关系,给出了机构运动独立运动链的定义和判别方法,以及机构基本环路的原理和方法,制定了识别机构运动独立运动链的实现步骤,并成功应用于内燃机和压力机虚拟样机的运动仿真。     

自然光线环境中的空间物体快速识别和定位算法研究

针对智能机械臂在自然光环境的三维空间中对目标物体的自主识别率和定位精度低的问题,提出了一种基于深度学习的视觉和光学雷达融合定位算法,实现自然光线下空间物体的高精度快速定位。首先,采集 RGB 图像和深度数据,利用深度学习算法对图像进行目标识别与实例分割;然后,将实例分割目标物的二维深度矩阵转换成三维空间点云;最后,用综合修正算法对位置修正,实现对目标物体在三维空间的抓取位置精准定位。 通过不同光照强度下的目标物体识别和定位实验验证了该算法的有效性和实用性,获取的目标物体的三维空间坐标较为精确,单位距离的定位误差在 0. 5%以内,受照明亮度影响较小,对机械臂智能抓取的研究具有较为重要的意义。     

优化预测运动矢量的快速运动估计算法

提出了一种优化预测运动矢量的快速运动估计算法。在对预测运动矢量研究的基础上,根据序列图像中运动矢量的中心-中值偏置分布特性和矢量间的时空相关性,结合运动矢量的相似度分析,选用中心、中值和时间相关的三个矢量作为基本预测矢量。设置相似门限来减少由三个空间相邻块预测矢量带来的大量冗余信息,对算法中关键的门限技术进行了改进。实验结果证明,本文算法对各种类型的运动序列都有很强的自适应性,在保持搜索准确度的同时,可大幅度提高运动估计的速度,其平均搜索速度是FS的208倍,明显优于PMVFAST的146倍、MVFAST的77倍、DS的55倍,提高了视频压缩中现有的运动估计算法的性能。     

面向多体动力学仿真的零部件运动约束识别与应用

零部件运动约束的添加是多体动力学仿真建模过程中的重要环节.通过零部件CAD模型定位关系的分析,提出运动约束度及其运算规则,从零部件CAD模型的定位信息中识别运动约束信息,并分别进行零部件平动约束度和转动约束度的归并运算,求取模型的运动约束信息,实现零部件运动约束的自动添加.该方法在低压断路器的仿真试验中得到验证,结果表明该方法是可行的.     

深度学习视角下的体操运动员动作识别与评估研究

为了解决肉眼观察运动员体育训练的动作到位程度和精准度误差大、效率低、智能化程度低的问题,降低人员主观因素对运动员动作评估和优化的负面影响.本文在分析深度学习经典的卷积神经网络、循环神经网络算法的优缺点的基础上,结合复杂场景、复杂动作、快速运动下对人体动作的识别、分析,提出了改进的卷积网络和优化后的神经网络混合神经网络算...     

基于优化YOLOv5s的道路场景车辆检测算法研究

为了解决人工识别车辆耗时耗力的问题,开展了面向道路场景的智能车辆检测算法研究,旨在实现智能化的车辆检测。提出了一种基于深度学习的道路车辆检测模型,通过采用轻量化且易于部署和开发的YOLOv5s模型作为基础模型,同时引入CA、SE和CBAM三个经典的注意力模块来替换YOLOv5的主干网络中的C3模块,使网络模型能够更好地聚焦于车辆区域,提升了车辆检测的准确性。这使得模型在保持高效性和易用性的同时,能够更好地适应复杂道路场景下的车辆检测需求。实验结果显示,将CBAM注意力模块引入网络模型后,在UA-DETRAC数据集上进行车辆检测的平均精度均值可达92.3%,相比其他注意力模块,其表现更为出色。这一研究结果对于实现智能化的车辆检测具有重要意义,有望为道路交通监控、驾驶辅助系统等应用提供更可靠的解决方案。     

面向无人艇环境感知的改进型 SSD 目标检测方法

为了提升无人艇对典型水面小目标感知能力,本文提出了基于多尺度卷积融合结构和空间注意力加强的改进型SSD目标检测算法。首先,对SSD浅层网络进行多尺度卷积融合,提升浅层网络的语义信息;其次,设计空间注意力结构对卷积特征层逐个增强,提升对弱纹理小目标特征保持性;最后,在VOC公开数据集和自构水面目标数据集上进行了测试,并基于无人艇开展了真实海域目标检测识别验证。实验结果表明,该算法在无人艇Nvidia平台的运行效率可达15 fps,能准确检测识别浮标、桥墩、渔船、快艇和货船等目标,在典型海面场景虚警率为5%时的小目标检测率相对原生SSD算法提升近20.2%,平均有效检测率达到79.3%。     

面向机器人环境共融的图像去雪算法

针对雪天气影响共融机器人视觉系统鲁棒性的问题,提出了一种基于雪模型和深度学习融合的去雪算法。根据雪的成像过程推导了一个简化的雪模型,设计了一个基于该模型的深度去雪网络,该网络由雪花检测子网络和去除子网络串联组成。雪花检测子网络采用了残差学习网络,该网络可以准确地学习雪图像和无雪图像之间的差异。去雪子网络采用了密集连接的U型网络。它一方面利用U型网络保留背景的细节信息,另一方面利用DenseNet将低层特征复用到高层的特点来提高去雪的准确度,将它们结合后缓解了去雪过度导致背景细节丢失和去雪不彻底之间的矛盾。试验证明这种基于雪模型的深度去雪网络能够较好地检测和去除图像中的雪花。     

基于非接触式电容传感的人体运动意图识别

人体运动意图的准确可靠识别是人机共融中的关键问题之一。针对现有研究中的局限和不足,提出了全新的非接触式电容传感方法。该方法以金属电极不接触皮肤的方式测量肌肉收缩信号。介绍了电容传感的原理,分析了基于该方法测量肌肉收缩形状变化的机理。分别介绍了非接触式电容传感方法在小腿智能动力假肢控制和上肢运动识别中的应用。针对下肢智能假肢控制,提出了基于非接触式电容传感的运动模态以及模态切换的识别。为了进一步提高系统的可穿戴性,提出了基于柔性可延展液态金属电极的电容传感系统并进行了初步的试验验证;针对上肢运动识别,首先介绍了用于腕关节离散运动模式的识别研究,其次介绍了基于电容传感对连续握力的识别和估计,证实了电容传感这一全新方法在上肢运动识别中的可行性。未来会在穿戴式机器人控制以及协作性机器人模仿学习中对电容传感方法进行更深入的研究。     

面向点云识别网络的显著图生成

点云结构上的特殊性质,导致解释其深度模型学习特征的结果存在困难。提出了一种获得点云目标识别模型显著图的方法,首先在点云空间中随机释放若干自由因子并输入到模型中,然后根据设计的贡献度评价指标,基于梯度下降使骨干网络输出的池化特征尽可能偏离目标点云识别过程中输出的池化特征并更新因子位置。迭代后的因子无法参与识别过程,其对模型的预测“零贡献”,将目标点云中的点移动到这些因子的位置后对识别结果的影响与丢弃该点完全相同。点的移动过程可微,最后可根据梯度信息获得显著图。本文的方法在ModelNet40数据集上生成PointNet模型的显著图,相较于用点云中心生成显著图的方法,理论依据更强且适用的数据集更多。移动点至“零贡献”因子位置后对模型的影响较移动点至点云中心与丢弃点更相似。按本文的方法丢弃点使模型精度下降得更快,在仅丢弃100个点的情况下,模型的OA(overall accuracy)由90.4%下降至81.1%。同时经DGCNN和PointMLP评估,该显著性结果具有良好的通用性。该方法生成的显著性分数精度更高,且由模型驱动不含任何假设,适用于绝大多数点云识别模型和数据集,其显著性分析结果...     

基于Kinect深度图像信息的人体运动检测

人体运动检测是计算机视觉人体运动分析的关键环节。根据Kinect深度图像的特点,引入并改进Vi Be算法处理深度图像进行人体运动检测。考虑到深度图像中地面像素值连续性造成的地面附近运动检测困难,提出了一种自适应的图像分层处理和不同邻域模式的建模方式,增加了去除"鬼影"现象的参考模型。像素分类时增加了前景点检验步骤,通过当前像素与参考模型的比较消除"鬼影"。在模型更新方面增加了基于前景点的背景模型更新策略,解决了"黑影"现象问题。采用阈值法对分类结果进行了误检点消噪处理。实验结果表明所提出的改进Vi Be算法能够比较准确地检测出人体运动。     

面向异型结构件巡检的机器人点对点运动规划算法

针对异型结构件磁吸附机器人日常巡检的点到点运动的问题,为提高工作效率与安全性,将运动空间进行网格化划分,根据工程实际情况计算网格间的权重,从而建立运动网格中运动的有权无向图,将钢塔桥点到点运动问题转化为求解两点间的最优运动序列问题,最后采用改进蚁群算法求解最优化问题,测试结果表明了改进后的蚁群算法相对于传统蚁群算法在收敛速度和稳定性上具有优势,证明了方法的有效性。     

基于深度学习的汽车车牌识别算法研究

随着我国汽车的保有量逐渐增加,车牌识别在智慧车辆管理系统中起着重要作用.现有的车号识别算法识别速度慢、准确度不高,容易受光线及车牌位置角度与摄像机相对固定位置的影响而造成误识别.基于深度学习的Faster-RCNN进行车牌定位,生成车牌提取框提取车牌;使用VGG16网络模型识别字符,最终完成汽车车牌的识别.在大量的数据集中进行训练、测试,仿真结果表明在复杂环境下采用Faster-RCNN与VGG16结合的网络模型对车牌的识别准确率高达99.2％,识别准确率优于其他算法.     

基于深度学习的汽车车牌识别算法研究

随着我国汽车的保有量逐渐增加,车牌识别在智慧车辆管理系统中起着重要作用.现有的车号识别算法识别速度慢、准确度不高,容易受光线及车牌位置角度与摄像机相对固定位置的影响而造成误识别.基于深度学习的Faster-RCNN进行车牌定位,生成车牌提取框提取车牌;使用VGG16网络模型识别字符,最终完成汽车车牌的识别.在大量的数据集中进行训练、测试,仿真结果表明在复杂环境下采用Faster-RCNN与VGG16结合的网络模型对车牌的识别准确率高达99.2％,识别准确率优于其他算法.