基于迁移学习的刀具剩余寿命预测方法

在新加工工艺条件下,针对历史工艺条件下的刀具剩余寿命预测模型失效,且新工艺条件下缺乏足够的训练样本构建新预测模型的问题,提出一种基于动态对抗域适应的迁移学习方法,以快速构建新工艺条件下的刀具剩余寿命预测模型。首先,利用历史工艺条件下带寿命标签的过程监控数据样本,预训练源域的刀具剩余寿命预测模型。其次,通过对抗域适应训练,利用新工艺条件下的少量目标域样本,对源域预训练得到的预测模型进行部分模型参数的调整。利用调整后的模型进行新工艺条件下的刀具剩余寿命预测。最后,更新目标域样本,重复进行对抗域适应训练与预测操作,直至结束。以轮槽铣刀的加工为例,验证了所提方法的有效性。

基于嵌入式平台的网络视频监控系统应用

针对重要工业场所周边、家居安防等场景下的自动检测入侵目标、智能控制云台跟踪目标运动轨迹、远程终端访问的监控需求,设计了一套经济、可靠、智能的网络视频监控系统。该系统选择以达芬奇系列的TMS320DM8168数字媒体处理器为核心的嵌入式平台,通过RTP网络传输协议接收网络摄像头的视频数据,进行处理后再发送到网络,根据系统应用场景优化检测跟踪算法,同时根据算法处理结果驱动网络控制摄像机云台转动,确保精确跟踪监控目标的运动轨迹。该系统解决了在网络监控方面的自动智能检测跟踪问题,并且具有功能扩展性和产品兼容性。研究实验的结果验证了这套系统的可行性。

济南大学学生健身职业资格认证现状的调查与分析

健身运动是凭借一定健身工具来达到一定健康目标的体育活动。对于大学生而言,大学毕业后的就业成为了大学生必不可少的课程,然而现阶段大学生对于健身职业资格认证方面的认识各不相同,在健身类职业方面很多学生都持以观望的态度。因此,调查研究并分析大学生健身职业资格认证状况,以及对在校大学生提出相应的建议和倡导显得更具有重要的意义。以济南大学学生为研究对象,对其健身职业资格认证的具体情况进行分析,明确其关键影响因素,有针对性地提出了一些建议和解决措施。

基于深度学习的目标检测算法研究与应用

本文基于深度学习和机器学习的基本理论,对人体处于静态或动态时的位置变化、姿态检测进行了相应的研究。利用各帧图像中人体关节所处位置、同一个体的同一骨骼上的关节点连接原则、不同个体骨骼上的关节点排斥原则、人体位置关系重叠下热力图,模拟实现了人体处于不同状态下的姿态检测。

基于深度学习的人体姿态估计修正

多人姿势估计图像和视频中与许多应用程序是一个重要的但具有挑战性的任务 , 在本文介绍了一种姿态精细网络,它将图像和给定的姿态估计同时作为输入,通过对输入 - 输出空间的联合推理,学习直接预测一个精确的姿态。为了使神经网络学会精确地预测不正确的身体关节,我们提出了一种新的训练数据增强方案,在此方案中,我们对“困难”的人体姿势进行了建模。