基于IEEE488.2的测量仪器控制系统的开发

数据采集是当今科学研究中一个重要手段,对数据进行准确有效的采集以及对采集的数据进行精确的计算就成为研究中关键的一环。由于通用接口总线（GPIB,General-Purpose Interface Bus）的简便易用性和稳定性,很多测量系统仍在使用GPIB的连接方式。为了简化编程,一种兼容的SCPI（Standard Commands for Programmable Instruments）虚拟仪器标准命令语言应运而生。基于兼容性及编程的简单和方便性,世界许多著名的仪器生产公司产品均支持SCPI。简要介绍了IEEE488.2标准,SCPI命令的语法及其使用方法,讨论如何使用该协议对智能控制系统的开发。采用Agilent公司的IO libraries套件中的VISA库实现对Agilent34401A数字万用表的远程控制,结果表明能满足测量系统的要求。     

基于多特征融合的多尺度生成对抗网络图像修复算法

针对多尺度生成式对抗网络图像修复算法（MGANII）在修复图像过程中训练不稳定、修复图像的结构一致性差以及细节和纹理不足等问题,提出了一种基于多特征融合的多尺度生成对抗网络的图像修复算法。首先,针对结构一致性差以及细节和纹理不足的问题,在传统的生成器中引入多特征融合模块（MFFM）,并且引入了一个基于感知的特征重构损失函数来提高扩张卷积网络的特征提取能力,从而改善修复图像的细节性和纹理特征;然后,在局部判别器中引入了一个基于感知的特征匹配损失函数来提升判别器的鉴别能力,从而增强了修复图像的结构一致性;最后,在对抗损失函数中引入风险惩罚项来满足利普希茨连续条件,使得网络在训练过程中能快速稳定地收敛。在CelebA数据集上,所提的多特征融合的图像修复算法与MANGII相比能快速收敛,同时所提算法所修复图像的峰值信噪比（PSNR）、结构相似性（SSIM）比基线算法所修复图像分别提高了0.45%～8.67%和0.88%～8.06%,而Frechet Inception距离得分（FID）比基线算法所修复图像降低了36.01%～46.97%。实验结果表明,所提算法的修复性能优于基线算法。     

全卷积目标检测的改进算法

基于无锚点的单阶段全卷积目标检测算法（FCOS）无需生成大量的锚点避免了样本不平衡问题,但FCOS可能更适应于某一特定场景。为了增强特征融合,并提高目标检测的准确性,提出了全卷积目标检测算法FCOS的改进算法ConFCOS。该算法设计了一个增强的特征金字塔网络,引入带有全局上下文信息的注意力模块和空洞卷积模块,以减少特征融合过程中的信息衰减。另外,构建了一个级联检测头来检测对象,对检测的边界框进行细化来提高分类和回归的置信度。此外,针对提出的ConFCOS的损失函数进行了优化以提高目标检测的准确率。在COCO数据集上进行的实验表明,ConFCOS的准确度比FCOS提高了1.6个百分点。     

电阻测量分选控制系统的开发

为了满足电阻测量分选自动化控制生产的需求,要求对所有电阻片的阻值进行精确的采集和处理,以及准确地分选控制。由Pc、NI—GPIB卡、Agilent34401A数字万用表,研华PCL-725带隔数字量输入输出卡,加一些机电装置,可以组成一套电阻测量分选控制系统,完成电阻片的分选处理。本文主要讨论了在此平台上开发PC的控制系统,给出分选系统设计原理图,使用VB来实现IEEE488．2对agilent34401A数字万用表的控制和电阻测量值的数据采集,以及通过PCL-725板卡对测量之后的电阻片进行分选控制。