施工升降机实时人数统计系统设计与实现

针对工业建筑外墙施工升降机中人数计算问题,采用YOLOX目标识别框架和NVIDIA的Jetson开发板为核心的边缘计算实时人数解决方案,使用单个鱼眼镜头进行视频信号采集,计算结果通过RS-485总线反馈到系统。实验结果表明,相较YOLOv3算法相比,既保证了整体系统目标识别能力、准确性和实时性,又有效地降低了系统体积和计算量,提高了系统的整体性价比。在实际环境中,刷新率达33帧/s,识别率达94.52%,系统体积减少70%,系统功耗减少95%,可以满足施工升降机场景实时识别的应用需求。

基于OpenCV的答题卡识别判题系统研究

答题卡识别系统通过答题卡模板设计、答题卡图像采集、图像预处理、识别算法、批阅和评分等环节,实现了对答题卡进行高效、准确的识别和判题。通过测试验证,该系统具有高精度、高效性和实时性,具有较好的适应性和可扩展性,可以随着需求的增加灵活扩展和升级。相较于传统光学扫描判题系统,该答题卡识别判题系统不需要专业的光学扫描设备,仅需要普通的USB摄像头或者手机摄像头即可实现答题卡识别和判题。该系统具有更为灵活和便捷的优势。

基于改进PERCLOS的疲劳驾驶检测系统的设计

针对疲劳驾驶事件频发、检测难度较高的问题,设计一种基于改进PERCLOS的疲劳驾驶检测系统。以搭载CMOS摄像头的OpenMV作为主控,实时检测驾驶人的人脸图像,采用基于Haar特征的Cascade分类器来分割人眼区域,再从人眼区域内提取瞳孔的颜色深度特征,计算得出人眼开合度,从而判断驾驶员是否在眨眼。使用眨眼频率替代PERCLOS算法中的眼睛闭合时间的评价指标,结合方向盘握力特征和汽车横向加速度特征进行多传感器信息融合,综合判断驾驶员是否处于疲劳状态。实验结果表明,系统检测准确率达到90%以上,实时性较强,能够以一种低成本方案解决疲劳驾驶检测的需求。

基于LoRa的机械冲压机故障检测系统设计

针对机械冲压机故障定位困难问题,设计了一种低功耗机械冲压机故障检测系统。采用超低功耗STM32L051C8T6微控制器作为主控单元,基于LoRa技术完成传感器的多节点组网,采集冲压机冲头的温度和振动信号,并传输到基于安卓嵌入式平台的网关系统上进行分析、存储。采用降低时钟、低功耗外设、低功耗内部资源等多种方法降低系统功耗。实验结果表明,系统在金属设备密集分布的车间环境中,数据稳定传输距离达到300 m,丢包率低于1.2%,温度检测精度高于±0.5℃,振动精度高于±0.1g,平均工作电流为1.17 mA,该系统实时性强、抗干扰能力强、成本低、功耗低,能够满足冲击机实时状态监测的需求。

基于TensorFlow的图像识别水果秤设计与实现

为了解决传统水果秤称重、支付方式的不足,在Jetson Nano平台驱动CSI摄像头进行实时图像检测,通过基于TensorFlow搭建的卷积神经网络模型完成水果识别,从而实现水果的自动称重计价播报。通过语音交互的方式了解用户的购买需求后,根据计价结果显示二维码进行扫码支付,整个购买过程无须售货员介入,并且实现了无接触购物。实验结果证明,所设计的图像识别水果秤可在2 s内完成水果的识别、称重和计价。水果识别准确率达到90%以上,同时实现了不同水果混装情况的辨别。

AI智能送餐小助手

笔者介绍了一种通过激光雷达获取环境数据,通过SLAM算法完成室内定位导航并控制机器人实现送餐功能的设计。同时通过语音识别和语音合成技术实现顾客与机器人的人机对话,使用深度摄像头识别障碍物进行避障。工控机以及交互机分别搭载Robot Operating System操作系统和Android操作系统,通过Python语言和Java语言编程实现机器人控制、实时图像采集、安卓App设置以及语音对话等功能。本项目所研究的送餐机器人能够应用于需要配送功能的服务行业,提高物品配送效率。

基于安卓手机端实现的可视倒车系统设计

为了解决传统汽车倒车系统的局限性,在MT7688平台上搭建OpenWrt系统,并移植mjpeg-streamer视频服务器,驱动UVC摄像头进行实时图像检测,将安卓手机端APP与车载系统建立无线连接,通过http协议获取倒车视频并在APP上显示。雷达检测倒车距离后通过TCP协议传送到APP,实现雷达倒车预警。实验结果表明,系统能够流畅播放实时倒车影像视频,整合了倒车影像和雷达子系统,实现无车机的手机倒车系统。

基于树莓派的安防机器人

本安防机器人的核心为树莓派4B组成的底层控制网络,整个系统的功能由通信模块、视觉模块、电机驱动模块等主要模块组成。整个系统框架主要分两个大的模块,分别为底层的中央控制模块与机器人终端控制模块。安防机器人以树莓派作为核心,搭载Linux操作系统,通过Python语言编程实现特征检测算法识别人脸搭配YOLOv3实时视频流检测。硬件系统经过图像处理得到的人脸数据通过2.4G无线局域网的网络共享实现云端服务器调用存储资源并记录,并可通过无线终端操控,管理员通过终端访问服务器获取相关人脸数据,通过查看相关数据可直观了解安保情况。