基于卷积神经网络的图像分类及应用

当前的目标检测在更换检测目标时就必须重新训练卷积神经网络模型,这使得更换检测目标花费时间变多,训练成本增加,且人员对模型的了解程度要求也提高。针对此问题提出了运用卷积神经网络图像分类的方法,首先对检测目标的各个检测状态进行分类,然后运用卷积神经网络图像分类模型对输入图像实时进行图像分类,最后通过分类出来的图像类别来判断检测目标的状态。实验结果表明,该方法能快速更换检测目标,检测准确性可以提高至99.9%,同时对训练成本和人员的技术要求也大幅降低。

热插拔损伤电路的失效分析及整改

对3100块板卡进行测试,其中2653块出现问题,不良率达到了86.6%,故障板卡上机后不能正常运行,且出现了供电电源短路的现象。对故障板卡进行技术分析之后发现,MCU有管脚被异常电压、电流击穿,导致管脚对地端、对电源端短路。客户在使用设计时对出现该问题的管脚未做任何相应的热插拔防护。根据客户板卡的实际应用情况,对该款板卡出现问题的管脚线路增加瞬态二极管(Transient Voltage Suppressor,TVS),减小浪涌冲击,使量产良率达到合格标准。

气体传感器模块的失效分析及解决对策

某气体传感器模块采用CKS32F030F4P6作为主控芯片,模块在生产中出现故障,不良率为50%,故障表现为在开启激光管的过程中传感器模块出现死机现象,无法继续执行指令。经分析是激光管开启过程中的电流过大,造成CKS32F030F4P6内部的电源模块输出电压过大,超出内部工作区域的正常工作电压,Flash读写操作时发生错误,最终导致系统进入HardFault。针对该问题,分别从硬件和软件方面给出了解决方案,有效解决了产品失效问题。