基于深度学习VGG网络模型的海洋单细胞藻类识别算法

为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速。结果表明:在相同试验条件下,本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本(卵形小球藻Chlorella ovalis与小等刺硅鞭藻Dictyocha fibula Ehrenberg)的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显,识别准确率可达99.317%。研究表明,基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能,可实现海洋中藻类的准确识别。

无线体域网的人体实时监测系统的设计

本系统是无线体域网(Wireless Body Area Networks,WBAN)的人体实时监测系统的设计,系统在各个人体信息采集节点布置了DS18B20温度传感器和PulseSensor脉搏传感器,传感器将采集到的体温信息和脉搏信息发送至中央芯片CC2540进行数据处理,该芯片可以很好地兼容低功耗蓝牙(Bluetooth low energy,BLE)协议,通过与TI的低功耗蓝牙协议栈配合,可以连接到用户的智能手机或平板电脑等移动设备进行无线数据传输,实现人体信息的实时监测。本系统大大提高了人体信息监测的操作灵活性,降低了监测设备的成本,使无线体域网和低功耗蓝牙技术在医疗健康领域有更加广泛的应用。

基于ESP8285的温室环境监测系统设计

现阶段物联网在农业环境监测方面应用广泛。在目前温室内环境监测发展的基础上,设计了一款应用于农业温室环境监测的无线数据采集板。系统采用了ESP8285为控制芯片,并使用HTU21D和BH1750FVI为温湿度与光照度等环境监测芯片将采集到的环境信息通过IIC总线传输给ESP8285,经过处理后再通过WiFi远程发送给数据处理中心。该设计提高了多节点环境信息实时通信的可靠性,解决了目前温室内数据传输布线困难以及多温室节点数据通信难以实现的问题。

一种智能化人体健康信息监测与交互系统设计

人体生理参数不仅是人们自我检测身体健康的重要指标,也是快节奏时代生活必备的医学信息。为满足这一日常需求,设计了一种智能化人体健康信息监测与交互系统。该系统利用单片机作为载体,以加长型的防水DS18B20作为温度信息收集器采集体温数据,以红外对管(infrared pair tube)ST188作为心率传感器采集脉搏/心率信息,最后将所有信息显示在屏幕上。为了满足良好的交互体验,系统还提供了自主开发的医学网站供参考,使用户更加精确地评测自己的健康状况,合理选择医疗服务。

基于ZigBee技术的老年人远程保健监护系统设计

我国医疗资源紧缺,老年人面临着看病难、治病难、监控难的局面。文中设计基于ZigBee技术的老年人远程保健监护系统。该系统基于ZigBee无线通信技术,将终端采集到的体温与心率数据经过主控芯片处理后发送至协调器,在PC端通过串口助手实现数据的实时监测。若身体生理参数正常,则将采集到的数据存档管理;若老年人突发疾病,则医生可发现异常数据,进行有效治疗,从而达到健康监测的目的。