基于Android的3D打印机远程控制与调度系统

本文设计了基于Android的3D打印机远程控制与调度系统,该系统主要包括3D打印机本体、计算机、Wi-Fi模块、服务器、android手机这五个部分,系统以计算机控制程序为控制核心,对3D打印机、服务器进行统一控制,将移动端、服务器、计算机之间通过数据传输建立连接,从而对3D打印机进行一系列指令操作。经过试验测试,移动端发送的操作命令3D打印机能够快速准确的进行响应,此系统具有高效、精准、实时性强等优点。

基于改进三帧差分法的3D打印机轨迹检测方法

针对获取运动轨迹不清晰以及轨迹不能很好地被检测的问题,提出一种基于三帧差分法的3D打印机轨迹检测改进算法。采用USB摄像头采集图像,然后用改进三帧差分方法和高斯混合模型进行轨迹的粗略判断,并使用Qt框架实现对目标中心即3D打印机喷头的运动轨迹检测和速度计算。结果表明:该算法能够完整地获取3D打印机喷头轨迹,能较大程度地减少图像处理的计算量。

用于精密机械零件的混合角度静态测量方法与实验研究

利用现有的机器零件测量方法检测零件时存在一定的角度偏差,导致测量平均测量精度误差较大的问题,为此提出用于精密机械零件的混合角度静态测量方法。通过最小二乘支持向量机定位精密机械零件图像中存在的边缘亚像素,实现精密机械零件图像边缘的高精度检测,采用择优系数法提取精密机械零件的纹理角特征,根据提取的特征实现精密机械零件混合角度的静态测量。实验结果表明,所提方法的测量效率较高,平均测量角度误差均控制在0.03°以下。

基于C-GRU的微博谣言事件检测方法

提出基于卷积-门控循环单元(convolution-gated recurrent unit, C-GRU)的微博谣言事件检测模型。结合卷积神经网络(convolutional neural networks, CNN)和门控循环单元(gated recurrent unit, GRU)的优点,将微博事件博文句向量化,通过CNN中的卷积层学习微博窗口的特征表示,将微博窗口特征按时间顺序拼接成窗口特征序列,将窗口特征序列输入GRU中学习序列特征表示进行谣言事件检测。在真实数据集上的试验结果表明,相比基于传统机器学习方法、CNN和GRU的谣言检测模型,该模型有更好的谣言识别能力。