矿用钻孔深度测量仪的设计

设计了一种以STM32F103微控制器为控制核心,基于24位高精度模数转换器的钻孔深度测量仪器。利用弹性波回波测距原理,通过测量出钻孔中钻杆的长度,实现钻孔深度的快速、无损、准确的测量,主要用于井下瓦斯抽放钻孔、探放水钻孔等煤矿通防工作的施工验收。仪器小巧轻便,操作简单,单人即可完成测量工作,节约下井的人力物力,提高生产效率,最长测量长度可达250米,误差不超过1米。     

产城融合视角下特色小镇发展路径研究

我国特色小镇存在功能定位同质化、定位不全面的问题,导致现阶段特色小镇缺少特色.从特色小镇与产城融合的概念入手,探讨以产城融合理论为基础的特色小镇建设模式,并针对我国特色小镇发展过程中存在的问题,提出应构建产、城、人、文、景多方面融合的高质量特色小镇.     

基于产教融合的增量式案例驱动教学模式

通过对目前应用型人才培养在实现过程中所面临的困境进行分析,针对软件开发类课程教学过程中存在的不足,提出将基于产教融合的增量式案例驱动教学法引入教学,给出上述教学模式在实际授课中的设计及实现方案,以软件开发类课程为载体探讨遇到的问题并提出建议。     

四省有线OTT业务全面落地

日前,从广东广播电视台、优朋普乐内部的一份数据获悉,广东互联网电视平台联合优朋普乐,已全面完成全国前四大有线电视运营商:山东有线、江苏有线、广东有线、河南有线的DVB+OTT业务落地。据公开数据显示,国内最大的这四家有线电视运营商目前总共覆盖数字电视家庭用户5 000万户,其中已完成双向高清改造的家庭用户也已超过2 000万户。2014年,国家新闻出版广电总局明确指出:互联网电视是归属于中国广播电视行业形态的一部分,互联网电视行业已成为"新广电形态",而其中的DVB+OTT模式无疑是既符合政策又紧贴行业发展潮流的最优选择。业内人士普遍将2014年定义为DVB     

基于惯性姿态参量量化融合的机器腿仿生步态控制

为了提高机器腿仿生步态控制的稳定性,提出一种基于惯性姿态参量量化融合的机器腿仿生步态控制方法。构造机器腿仿生步态的运动学模型,进行机器腿仿生步态控制约束参量建模,采用陀螺仪和加速度计等位姿传感器进行姿态参量采集。采用扩展卡尔曼滤波方法进行机器腿的惯性姿态参量融合并输入到时控制执行器中。针对未知扰动对机器腿步态参量控制的误差,采用自回归更新方法进行姿态参量误差反馈修正,实现机器腿仿生步态稳定控制。仿真结果表明:提出的方法对机器腿仿生控制的稳定性较好,姿态参量的定位跟踪能力较强,提高机器腿步行的稳健性。     

上海麒祥化工有限公司

公司理念以员工成长为基础,以客户需求为导向,通过对行业的深度理解和丰富的创造力,实现价值的全面提升公司简介上海麒祥化工有限公司是一家致力于为橡胶行业提供优质产品和服务的高科技创新型企业。公司始终坚持以全新的理念、先进的技术和创新的产品为客户创造更多价值,在不断改进现有产品的同时,通过新技术、新工艺引领新产品的开发。     

基于深度学习的人体姿态估计方法综述

基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络，直接从二维的图像特征中回归出人体姿态信息。主要按照2D人体姿态估计到3D人体姿态估计的顺序，并从单人检测与多人检测、稀疏的关节点检测与密集的模型构建等方面，对近年来基于深度学习的人体姿态估计方法进行系统介绍，从而初步了解如何通过深度学习的方法得到人体姿态的各个要素，包括肢体部件的相对朝向和比例尺度、骨骼关节点的位置坐标和连接关系，甚至更为复杂的人体蒙皮模型信息。最后,对当前研究面临的挑战以及未来的热点动向进行概述，清晰地呈现出该领域的发展脉络。     

以"创新驱动"为导向的航空科创产业园规划设计实践探索——以成都天府国际空港新城航空科创产业园区为例

在"创新驱动"发展背景下,结合成都天府国际空港新城航空科创产业园的设计实践案例,重点对"创新驱动"的航空产业园区的发展理念、设计策略进行研究,提出这一类园区规划设计主要应在适应其区域禀赋及现状资源环境的基础上,提出"因产而聚、因地而生、因特而别、因融而兴"四个方面的策略,以期为相关类型的城市规划设计与建设提供思路探讨与借鉴。     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。