基于智能鞋垫的足部数据可视化系统设计

为了采集人体足部的状态数据并实现数据的实时可视化,本文设计了采集足底压力和足部姿态的下位机,并且在手机终端设计并部署了实时显示下位机采集数据的移动端应用软件。下位机通过8点位薄膜压力传感器获得足底特征点的压力,通过惯性测量单元(IMU)获得足部姿态角,最终将数据打包并通过蓝牙发送给手机;上位机接收并处理数据,最终通过本文研发的3D视图和曲线视图将数据进行可视化。通过佩戴设备进行静态和动态测量实验,通过分析测量数据得出静态测量角度误差为0.08°~0.13°,压力误差为0.2~0.7 kgf,视频帧与3D模型角度偏差低于0.19°。实验结果表明:本文构建的采集和可视化系统具有较高的准确度、实时性以及稳定性,可用于足部状态数据集创建和远程诊断等相关研究。

基于高光谱成像技术的红景天品种神经网络模式识别方法

采用高光谱成像技术采集大花红景天和狭叶红景天的近红外高光谱图像(935~1720 nm),并从中提取出感兴趣区域的平均光谱作为大花红景天和狭叶红景天的原始光谱.在采用多元散射校正(MSC)进行光谱预处理后,运用载荷系数法(X-LW)、连续投影算法(SPA)和竞争自适应重加权算法(CARS)分别提取了红景天近红外高光谱9、20和33个特征波长,最后基于全波长和特征波长建立偏最小二乘判别分析(PLS-DA)、概率神经网络(PNN)和广义回归神经网络(GRNN)分类判别模型.结果表明,基于CARS提取的特征波长建立的PLS-DA、PNN和GRNN模式识别模型优于基于X-LW、SPA提取特征波长建立的识别模型.而且,基于全波长和CARS提取的特征波长建立的PLS-DA、PNN和GRNN判别模型均能很好地区分大花红景天和狭叶红景天,对训练集和测试集样本分类的正确率全部达到100%.因此,高光谱成像技术结合PLS-DA与神经网络模式识别分析方法,能够实现大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别,为红景天药材的质量控制、品种鉴别和临床应用奠定基础.

站立和步行状态下足底压力监测系统设计

为了监测站立和步行状态足底压力变化,实现数据可视化,设计了一种足底压力监测系统。该系统由数据采集系统和数据显示系统组成。采集系统包括左右脚的采集设备,硬件电路由STM32微型计算机模块、薄膜压力传感器、蓝牙通信模块等部件构成,将硬件电路整体嵌入到鞋中组成采集设备。利用Android Studio开发显示系统的移动端软件,采集设备的数据通过蓝牙方式发送到显示系统,实现足底压力的可视化。系统测试结果表明,移动端软件配合左右脚足底压力采集设备,能够直观展现站立和步行状态足底不同位置的压力变化情况,从而为基于足底压力的分析提供数据支持。

前S1抗原在乙型肝炎免疫学常见模式中的检测及分析

目的观察乙型肝炎病毒前S1抗原在乙肝免疫学常见模式中的表达,以探讨其临床意义。方法用酶联免疫吸附(ELISA)方法同时检测800份人血清标本乙型肝炎病毒前S1抗原和乙型肝炎病毒表面抗原(HBsAg)、乙型肝炎病毒抗体(HBsAb)、乙型肝炎病毒e抗原(HBeAg)、乙型肝炎病毒e抗体(HBeAb)、乙型肝炎病毒核心抗体(HB-cAb)(乙肝五项),以乙肝五项模式进行分组,比较不同血清模式乙肝病毒感染者前S1抗原的阳性率。结果前S1抗原在大三阳(HBsAg、HBeAg、HBcAb为阳性)和小三阳(HBsAg、HBeAb、HBcAb为阳性)模式中的阳性率显著增高,分别为87.0%,66.0%。HbsAg(-)的各模式组的前S1抗原阳性率均小于等于2%。100份乙肝五项阴性血清的前S1抗原阳性率为8%。结论乙型肝炎病毒前S1抗原可补充和完善乙肝五项检测的不足,尤其对HbeAg阴性或者变异的HBV感染者能更好地反映病毒的复制状态和传染性。

一种智能快递存取系统设计

针对目前快递包裹数量庞大、外观相似,造成存取操作效率低、搬运成本高,特别是针对大型货架,投递员存取货物和查找货物十分不便的问题,从改变原有的快递包裹存取模式出发,提出并设计一种智能快递存取系统。考虑智能快递存取系统的适应性和扩展性,采用模块化设计的方法,进行智能快递存取系统的结构设计。智能快递存取系统模型实例及其运行结果表明:该模型实现了全自动的快递包裹存储与取出,提高了快递存取的效率,降低了快递包裹存取过程中投递员的劳动强度。

一种基于图像处理的自主控制水下机器人

本文所述水下机器人涉及水下机器人技术领域,特别是一种基于图像处理的自主控制水下机器人。水下自动机器人是一种非常适合于水下搜索、调查、识别和打捞作业的既经济又安全的工具。由于水下环境恶劣危险,人的潜水深度有限,因此提供一种操作简单、结构精巧、机械手灵活的水下机器人已成为急需解决的问题。

PC构件生产线的规划设计与仿真

对传统生产线在生产过程中存在的生产逆流和阻塞断流的问题,基于工艺原则和产品原则,对PC构件生产线进行布局设计;通过分析PC构件的加工工艺和各工位的生产节拍,选用O型结构的布局形式,调整了装预埋件和装钢筋笼两个工位的位置,降低了这几个工位的阻塞时间;将布料工位拆分为一次布料和二次布料两个工位,解决因二次布料产生的生产逆流问题;分析生产线的平衡性,确保了所设计的布局的合理性;利用Plant Simulation建立改进后生产线的仿真模型,分析生产线的年产量和生产瓶颈。分析结果表明,生产线的生产效率得到明显提升,满足设计要求。

便携式双控灌洗仪的结构及控制系统设计

为了方便外出旅行携带以及对液体温度有特殊需求的灌肠治疗操作,设计了一种便携式双控灌洗仪。该装置由微型蠕动泵、加热带、温度传感器、显示屏等结构组成,通过加热带使容器内液体温度达到指定值,利用温度传感器实时监测液体温度并反馈,从而实现温度控制。其控制系统以STM32单片机为核心,通过对按键、显示、加热、压力控制等模块的接口操作,实现灌洗仪的流量调节和温度控制。功能测试表明,该仪器具有良好的流量调节和温度控制性能,具有较高的实用价值。

有效在场:党政统合下社区应急治理困境的破解之道

随着社区日益成为应急管理体系的末梢神经,打造以社区为基础的现代应急体系既是完善国家应急管理体系的内在要求,也是推动城市韧性建设的重要抓手。但从实际运行过程来看,受治理体制不完善、治理机制不健全、治理策略不灵活、治理资源不充分等短板的影响,社区应急治理遭遇结构性困境。为有效破除上述困境,就需要发挥好我国党政统合的制度优势,通过重塑政府职责体系、构建协同治理机制、充分激发共治参与能力、整合应急管理资源等举措,来构建党政在场、社会共治、技术赋能的新型社区应急协同治理格局。

高光谱成像技术鉴别红景天的品种

目的采用高光谱成像技术结合化学计量学方法建立红景天的分类判别模型。方法首先获取935~1720 nm大花红景天、长鞭红景天和狭叶红景天的高光谱图像信息,然后分别提取红景天感兴趣区域的反射光谱值,在采用标准正态变量变换法(SNV)和多元散射校正法(MSC)对原始的高光谱数据进行预处理后,分别建立偏最小二乘判别分析模型(PLS-DA),通过对比两种预处理方法对PLS-DA模型判别结果的影响,得到SNV为较优的预处理方法。采用载荷系数法(x-LW)和竞争自适应重加权算法(CARS)提取经SNV预处理后数据的特征波长,并分别建立基于特征波长的线性判别分析(LDA)、PLS-DA和概率神经网络(PNN)分类模型。结果与x-LW特征提取方法比较,CARS算法提取的特征波长建立的LDA、PLS-DA和PNN模型有更好的分类性能;PNN的分类性能优于PLS-DA;SNV-CARS-LDA为区分不同品种红景天的最优判别模型,对训练集和测试集的识别率均为100%。结论高光谱成像技术与化学计量学相结合的方法具有很大的在线检测潜力,可以快速、无损地鉴别红景天品种。

高光谱成像技术鉴别大花红景天和四裂红景天

目的利用高光谱成像技术鉴别大花红景天和四裂红景天。方法采用高光谱成像系统,采集红景天在波长952.89~1702.23 nm的214个波段高光谱数据;选用径向基核函数(RBF)作为支持向量机(SVM)的核函数,采用布谷鸟搜索(CS)、萤火虫算法(FA)和粒子群算法(PSO)3种参数优化方法,分别建立SVM基于全波段高光谱数据、CARS和SPA选择的特征波段数据的分类、判别模型。结果以最优参数值建立的3种判别模型的测试集的分类准确率都超过了95%,其中,CARS-FA-SVC和FS-FA-SVC的准确率为100%,且CARS-FA-SVC模型的运行时间较短,为最佳分类与判别模型。结论基于SVM的高光谱成像技术能够实现对大花红景天和四裂红景天的快速、准确和无损鉴别,为红景天的品种鉴别和质量控制提供了参考。

高光谱成像技术结合化学计量学方法鉴别大花红景天和狭叶红景天

目的采用高光谱成像技术结合化学计量学方法鉴别大花红景天和狭叶红景天。方法利用高光谱成像系统,采集大花红景天和狭叶红景天药材粉末在900~1700 nm的高光谱图像,利用标准正态变换的方法进行光谱图像预处理,基于Kennard-Stone算法将样本划分为训练集和预测集,采用连续投影算法、竞争性自适应加权采样从全波长中选取特征波长,分别建立了基于全波长段和特征波长段的支持向量机和极限学习机的判别模型。以预测集的分类准确率、均方根误差、平方相关系数为主要衡量标准,比较分析各模型的性能,选择最优的判别模型。结果不同判别模型的分类准确率都在85%以上,其中,基于竞争性自适应加权采样特征波长选择方法的极限学习机模型的准确率达到了100%。结论采用高光谱成像技术结合化学计量学方法,能够实现对大花红景天和狭叶红景天的在线快速、无损鉴别,可为红景天药材的品种鉴别、质量控制和品质评价提供参考。

大花红景天和长鞭红景天的无损鉴别

目的将近红外高光谱成像系统(HIS)与人工神经网络(ANN)相结合,对大花红景天和长鞭红景天进行无损、快速、高效地分类与鉴别。方法在935~1720 nm光谱范围内采集了大花红景天和长鞭红景天的高光谱图像,采用ENVI软件从高光谱图像中提取出两种红景天中感兴趣区域的平均光谱作为样本的原始光谱。在对样本全波段的高光谱数据进行主成分分析(PCA)后,采用SPXY法将样本划分成训练集和测试集,用连续投影算法对高光谱数据进行特征变量的选择,根据交叉验证均方根误差最小的原则提取出23个特征波长。分别基于全波长和特征波长建立线性判别模型SIMCA及非线性判别模型,包括概率神经网络(PNN)和广义回归神经网络(GRNN)。结果线性判别模型SIMCA无法将两种红景天进行正确的分类与鉴别,而PNN和GRNN均能很好地区分两种红景天,分类判别的正确率可达100%。结论与PCA和SIMCA模式识别比较,HIS结合ANN建模有效、快速,可无损鉴别大花红景天和长鞭红景天,在不同品种红景天的分类与鉴别方面有明显的优势。

自身抗体在流产诊断中的应用

目的:探讨甲状腺自身抗体、抗卵巢抗体(AoAb)对流产的影响,进一步揭示流产的病因。方法:用ELISE法和化学发光法对80例流产妇女血清AoAb和甲状腺球蛋白抗体(a-TG)、甲状腺过氧化物酶抗体(TPOAb)进行检测,并与40例正常生育妇女血清作对照。结果:流产组a-TPO阳性率为25.0%,高于正常对照组,统计学上有差异。a-TG的阳性率在RSA妇女中18.8%,高于正常对照组,有统计学意义。流产组AoAb阳性率为13.48%,显著高于对照组。结论:a-TG与a-TPO和AoAb均与流产有密切关系。