基于卡尔曼滤波的智能消防头盔系统研究

为了消防员可以准确了解火场情况,设计了一种基于卡尔曼滤波的智能消防头盔系统,该头盔集成了微控制器系统、气体传感器、温度传感器、无线通信模块、佩戴异常检测、报警装置等功能,据此设计系统的软件和硬件。硬件系统以STM32为处理核心,定位采用GPS无线定位模块和惯性导航定位模块相互补偿技术,同时包括环境信息采集传感器等。软件上应用卡尔曼滤波算法对采集的数据进行处理,减小了传感器延时性和噪声对系统测量的影响,以达到对系统状态的准确预测,同时姿态检测算法实现了对消防员状态的准确识别,并对监测系统软件进行了验证。对智能消防头盔进行了人机工学分析,将各部件融合在头盔上。经测试,该系统运行稳定、准确率高。

基于视觉技术和Mask R-CNN的法兰盘表面缺陷检测研究

在法兰表面缺陷检测任务中,为了对缺陷进行精准定位和分类,根据缺陷位置和类别综合判定法兰是否符合特定标准的质量要求,结合缺陷特征和相应标准,提出一种基于视觉技术和Mask R-CNN的法兰表面缺陷检测与评估方法。依据法兰的适用原则和缺陷判定标准对法兰表面进行区域划分。通过搭建图像采集平台,采集图像并对其进行预处理操作后添加至网络训练集中。采用Mask R-CNN作为缺陷检测网络的基本框架,结合法兰表面缺陷特点改进Mask R-CNN骨干网络和颈部网络,并对网络性能进行验证。最后,根据检测标准,使用边缘检测算法对模型检测结果进行复检。结果表明:改进后的方法能够实现精确的定位并进行质量评估,满足法兰表面缺陷检测的要求。