基于深度学习方法的复杂场景下车辆目标检测

近年来,深度学习算法逐渐尝试应用于目标检测领域。本文针对实际交通场景下的车辆目标,应用深度学习目标分类算法中具有代表性的Faster R-CNN框架,结合ImageNet中的车辆数据集,把场景中的目标检测问题转化为目标的二分类问题,进行车辆目标的检测识别。相比传统机器学习目标检测算法,基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明,该方法在识别精度以及速度上均取得了显著的提高。     

基于云平台的车间管路气压信息化监测系统

针对车间气压传动装置的气体泄露易造成车间环境噪声污染和能量浪费的问题,提出采用ZigB ee无线通信网络技术和构建车间气体泄露监控系统实现车间管路气压信息化监测。以STC89C52和STM32单片机为硬件核心构建气体终端采集系统;利用云平台技术、B/S架构和MyS QL数据库构建了信息化监测系统,并进行了系统功能试验。结果表明,设计的车间管路气压信息化监测系统功能正确,能实现管路节点运行压力状态的监测和管理,这为车间管路气压智能化和网络化监控打下基础,实现了开发和监测低成本预期。