一种基于嵌入式的无线网络小家电寿命测控系统实现

文章设计一种基于嵌入式无线通信网络技术的小家电测控系统,较为详细分析服务器端、无线汇节点和节点三部分工作原理和以及它们的相互通信。软件的上位机服务器采用Labview进行设计,通过CAN总线负责把各个汇节点的数据存入服务器端的数据库中,下位机Mega16采用可配置的软件编程思想,实现灵活配置。实验表明,该方案设计合理,测试效果达到预期指标。     

热作模具用钢选择与应用专家系统

就锤锻、压力机锻、压铸、热挤压、热冲载５种热作模具用钢的选择进行优化推理而提出尽量合理的选材建议,并给出被选材料的技术资料以作采购、加工和应用参考。该专家系统包括用户信息输入、材料优化推理、系统知识为管理、用户技术文件管理和系统管理５大模块。采用基于规则或基于实例方法进行推理。     

基于机器视觉的晶粒度面积法自动评级

根据国标中晶粒度的定义提出进行晶粒度测量自动评级方法,论述了该方法中应用计算机图像处理技术进行图像尺寸标定、二值化变换、消除噪声、提取晶界和计算晶粒个数,最终计算晶粒度评级参数等过程的算法及实现.提取单像素晶界可解决不同晶粒晶界共用计数难问题;利用链码计算晶粒个数可通过限制链长在计数的同时把第二相、杂质等去除.该评级方法可以避免晶粒度测量评级中人为因素的影响,速度快,精确性高.对于非均匀等轴晶的评级比其他方法如截线法、截圆法等具有更好的适用性.     

迁移学习在热轧钢带表面缺陷分类中应用研究

为了提高热轧钢带表面缺陷分类的检测准确率和速度,同时鉴于热轧钢带缺陷的数据库规模较小,提出结合参数迁移学习的卷积神经网络模型,来解决少量样本导致网络过拟合和精度低的问题。使用源域的最优参数作为模型的参数初始化,节省训练的周期;构建训练目标域的神经网络模型,使用预训练模型网络中的参数和结构,对目标域进行特征迁移;进行finetune,结合inception-v3结构的全连接层映射到目标域所需要的特征向量维度。实验使用现有热轧钢带表面缺陷数据库中的图片,有6类缺陷。通过对比改进AlexNet模型和结合迁移学习的模型,在测试集的实验平均准确率分别约为96.6%,99.8%,分类效果优于传统视觉分类算法。并且在实验中观察到结合参数迁移学习的损失更小和权重收敛速度更快。     

热处理工艺微机辅助设计及自动控制集成系统

介绍了热处理工艺微机辅助设计及自控集成系统的总体结构和功能组成,论述了系统中热处理工艺辅助设计和自动控制部分的设计。该系统具有友好透明的用户界面,运行快捷,使用维护方便并取得了良好的生产运行效果。     

有图形硅片显微图像微距线宽测量方法研究

针对硅片关键尺寸高精度准确测量的要求，在整像素级标准件法二维图像微距尺寸测量的基础上，本文综合应用基于卡尺的标准件法和空间矩亚像素细分算法，提出了具有像素级高速度、亚像素级高精度线宽测量的两步标定法。通过给出一个焊盘样本的实际测量结果来分析对比，表明该方法测量精度有了明显地提高，可以用来进行有图形硅片关键尺寸的测量标定。     

热处理工艺微机设计及控制集成系统

介绍热处理工艺微机设计及控制集成系统的总体设计和功能组成,论述了系统中热处理工艺设计的推理方法和控制部分中控制算法的设计.该系统具有友好透明的用户界面,使用维护方便,控制精度高,稳定性好,在实际生产运行中取得了良好的效果.     

基于语义信息的陪护机器人定位鲁棒性研究

智能机器人与一般的工业生产机器人不同,智能机器人不是单一的执行固化的指令,而是追求更高层次的人机互融,实现自然的人机交互,故要求机器人清楚了解自身所处场景信息以及准确执行交互的意图。研究基于语义信息的机器人定位方法,当机器人采集到场景的RGB图像时,在深度卷积神经网络模型Mask-RCNN和MonoDepth的基础上对场景进行语义分割和深度预测,并通过获取的语义信息以及深度信息限定图像匹配范围,实现机器人的准确定位、场景语义分析以及自然人机交互。实验表明,该研究成功地获得机器人所处环境的语义信息和场景的深度信息以及提高了机器人的定位精度,从而实现了更加自然、准确的人机交互。     

基于生成对抗网络的自动装卸目标物标注数据集生成方法

针对建立无人起重装卸目标检测深度学习标注数据耗时问题,设计了货物图像检测生成对抗网络,构成准确的含语义标注和关键点标注的数据集,该数据集可用于有监督深度学习语义分割模型的训练。通过融合StyleGAN与DatasetGAN的生成对抗网络,对实际应用中存在的语义特征变形问题进行改进,将生成器的样本归一化层进行修改,去除均值操作,修改噪声模块和样式控制因子的输入方式;对纹理特征单一的物体的空间位置编码能力弱的问题,将生成网络的常数输入替换为傅里叶特征,并提出一个融合非线性上下采样的模块;最后引入WGAN-GP对目标函数进行改进。应用实验生成标签数据集,使用Deeplab-V3作为评价网络,以DatasetGAN方法作为基线,在语义标签生成任务上,Deeplab-V3输出mIOU值提高14.83%,在关键点标签生成任务上,L2损失平均降低0.4×10^(-4),PCK值平均提高5.06%,验证了改进的生成对抗网络生成语义及关键点标注数据的可行性和先进性。     

基于改进PointNet++的室内点云语义分割模型

针对点云语义分割过程中存在的大量点云数据的相邻关系丢失以及无法捕获部分点云特征的关键信息等问题,提出了一种基于改进PointNet++的室内点云语义分割模型。首先利用中垂线通道采样获取到更具代表性的采样点,从而提高采样结果的信息丰富度;在此基础上使用采样点邻域特征自适应分组,使组内采样点的分布特征和邻域内的点云特征更加接近,然后引入注意力机制,以实现对点云数据的多层次、多维度的建模和表达;最后通过实验进行性能对比分析。实验结果表明,模型对室内点云进行语义分割相较于PointNet++模型的整体准确率提高了5.6%,因此语义分割网络改进模块能够帮助神经网络提取到更优的点云特征信息,从而提高语义分割网络模型的性能。