基于 Zynq 的 16 通道高精度数据采集系统

为了提高数据采集的精度和速率,设计了高精度、多通道的数据采集与显示系统。为了精准实现多通道数据采集与显示功能,使用赛灵思公司的 Zynq-7000 系列芯片以及 AD7606 完成多通道数据采集与显示。在设备软件设计方面, A / D 转换完成后存入 DDR3 存储器,然后采用 AXI4 总线与可编程逻辑( PL )部分通信,最后通过 ARM 驱动完成数据的实时显示。经实验证明,该系统可以良好地实现 16 通道的数据采集功能。     

基于Faster-RCNN的自然环境下苹果识别

针对苹果园中存在的果实相互重叠、枝叶干扰以及复杂背景等问题，本文提出Faster-RCNN一种改进的模型。该模型通过增强Mosaic数据，使得识别小物体目标果实能力得到提升，同时，对Faster-RCNN结构中的锚框进行优化，优化后的锚框能更好地检测出距离相机较远的目标果实，以及使用Soft NMS算法对密集区域的识别效果进一步得到改进。通过对300幅未参与识别的自然环境下的苹果图像进行验证，验证结果表明：召回率为91.44%，准确率为93.35%,F1值为92.38%，每幅图像的检测可在0.2 s内完成。改进后的算法鲁棒性得到增强，能够满足在自然环境下对苹果果实的识别工作。     

基于HMRF的改进Kmeans脑肿瘤分割算法

为了解决磁共振成像脑部肿瘤区域出现误识别及对脑MRI图像中的肿瘤部位分割时出现的不确定性等问题，提出一种改进的Kmeans算法与隐马尔可夫随机场模型（HMRF）相结合的分割方法，对脑肿瘤图像实现精准分割。首先将Kmeans算法的欧氏距离替换成曼哈顿-切比雪夫距离并用改进后的Kmeans算法对待分割图像进行初始参数估计和初始分割，然后通过HMRF理论获得图像的空间信息，并结合EM算法对聚类中心进行更新，获得更为准确的聚类中心，从而提高算法的分割性能。实验结果表明，该方法具有良好的脑部肿瘤分割性能效果，其中Dice系数和Jaccard系数的平均值分别达到了0.9289和0.8725。