三维建模技术在垃圾吊抓料自动控制的应用研究

生活垃圾焚烧发电已成为我国当前垃圾处理的主要方式。垃圾吊的全自动控制正成为业界的研究重点。利用激光扫描系统，建立了垃圾库和投料区的三维模型，利用网格法分析可选取料点与取料范围区间的坡度，确定平坦安全取料点及最优取料点，同时监测垃圾吊抓斗抓料时倾斜角度，确保垃圾吊抓取料安全，成为垃圾吊全自动控制的关键技术之一。     

基于深度学习的目标检测算法在电力巡检上的应用综述

面向电力巡检的目标检测是指对无人机采集到的图像进行分析,检测电力线路中的部分缺陷,从而对线路及时检修,保证电力系统能正常工作。基于深度学习的目标检测算法能高效处理大量的图片数据,其处理结果能应用于电力目标的故障诊断等任务,且众多算法的检测精度和速度都优于传统人工设计的机器学习方法。本文对基于深度学习的目标检测算法在电力巡检上的应用进行了较为全面的综述,并对比分析各种算法的优缺点,总结电力巡检领域的发展现状,还讨论了目标检测算法的未来发展趋势以及应用在电力巡检领域所面临的挑战。     

声纳信号处理中UDP协议数据传输研究与设计

为了在声纳系统中通过以太网口进行大批量、高速率的数据传输处理,在FPGA中硬件实现了嵌入式UDP协议栈,完成了架构设计、软件仿真验证及硬件实现。用FPGA硬件实现UDP协议栈,加速了网络数据处理能力,使信号传输速率达到了80MB/s,实现了千兆级通信,很好地提高了声纳系统中数据传输速率和系统性能。同时,用FPGA硬件实现UDP协议,栈减小了PCB版图面积和布局布线复杂度,提高了开发效率,有效地降低了开发成本。     

基于改进YOLOv5n的电力巡检红外图像目标检测算法

热红外图像检测技术在电力巡检中有着非接触、快速等优点,广泛应用于电力设备的监测与诊断,电力巡检红外图像目标检测可以达到快速识别设备发热故障、图像实时处理和降低人工成本的效果。为了保障输电线路的安全与稳定,实时检测输电线路绝缘子与T型线夹的发热故障。本文结合热红外图像的特点,基于YOLOv5n算法改进了网络模型：在原模型中引入Squeeze-and-Excitation注意力机制并且将普通卷积替换为space-to-depth卷积。改进的算法在自制的红外数据集上进行了模型训练与测试,并与其他几个主流的目标检测模型进行了对比评估,结果表明：改进后的模型在对绝缘子和T型线夹的检测精度上分别提升了6.8%和6.3%,且在精度、速度和模型大小上对比YOLOv3-spp和YOLOv3-tiny等模型更具优势,更适用于无人机红外图像下的绝缘子、T型线夹的发热故障识别。