基于STC89C52单片机的自动晾衣架系统设计

在日常晒衣的时候,经常会遇到下雨、天黑没人收衣等情况,因此解决晒衣过程中遇到的各种问题是自动晾衣架今后发展的一个方向。基于此设计了以STC89C52单片机为控制核心,通过光敏电阻和温湿度传感器检测外部环境信息,通过对外部环境数据的分析,运用步进电机驱动衣架实现自动晾晒收回的自动晾衣架系统。所设计的自动晾衣架系统具有手动、自动、定时、预约、防曝晒五种晒衣模式,可满足不同气候、不同地域的晒衣需求。试验证明:所设计的自动晾衣架系统实现了所需要的功能,具有一定的参考价值。     

融合剪枝与量化的目标检测网络压缩方法

针对目标检测网络参数量冗余、模型复杂、推理速度缓慢以及难以部署在资源受限的嵌入式设备等问题,提出一种融合剪枝与量化的目标检测网络压缩方法。首先对目标检测网络模型进行稀疏化训练得到缩放因子,并根据缩放因子的分布计算卷积层中通道重要性的占比,根据缩放因子计算动态阈值将对网络模型贡献小的卷积层剪除。然后通过均匀映射的方式将32位浮点型数据量化成8位整型数据,减少网络计算量的同时压缩网络模型的大小。最后采用YOLO系列目标检测网络对行人与车辆数据集、Hands数据集和VOC2012数据集进行压缩方法验证。实验表明,目标检测网络经过动态阈值剪枝和均匀映射量化后在精度损失4%的前提下,将网络模型从234 MB压缩至10 MB以内,检测速度提升5倍,有效解决了部署应用难的问题。     

基于自适应阈值的循环剪枝算法

针对YOLO系列目标检测算法中复杂的网络模型和大量冗余参数问题,提出了一种基于自适应阈值的循环剪枝算法：在经过基础训练和稀疏化训练后,进入到自适应阈值剪枝模块,该模块针对缩放因子分布情况,通过缩放因子对通道和卷积层的重要性进行评估,自主学习到一个剪枝阈值,再对网络模型进行剪枝,此过程可以循环进行,并在通道剪枝和层剪枝中应用。该算法中的阈值不是人为设定,而是针对当前网络结构学习获得,通过剪枝获得一个更优的精简模型。算法实验基于YOLOv3在三个数据集上验证,结果表明,该算法对不同数据集、不同网络结构表现出较强的适应性,与传统固定阈值相比,通过自适应阈值剪枝的模型在检测精度、压缩效果、推理速度等方面都取得了更优的效果。     

长周期和个体粉尘采样方法等四项科研成果鉴定会

1984年12月10日至13日,冶金部于北京主持召开了长周期和个体粉尘采样方法等四项科研成果鉴定会。全国总工会、劳动人事部、中国有色金属工业总公司、中国医学预防中心以及院校、科研、厂矿等42个单位的53名代表出席了会议。