基于深度学习的集气站指针式仪表读数研究

为了提高集气站仪表读数的信息化程度、减少人力资源成本,应用机器视觉和深度学习算法对指针式仪表的自动读数进行了研究。首先,对图像进行预处理,对白天采集的图像使用双边滤波进行降噪处理,对晚间采集的图像使用单尺度Retinex进行增强处理;接着,使用Mask基于区域的卷积神经网络(RCNN)获取采集图像中仪表的具体位置;然后,使用连通域算法确定指针区域,使用查表法和累计概率Hough变换进行了指针的拟合;最后,对仪表的表盘进行了建模,结合指针得到仪表指示的最终示数。创新性地提出了一套针对指针式仪表的算法流程。利用上述算法流程对测试图像进行处理,仪表的人工读数和算法读数误差在0.5%以内,误差率达到了工业应用的要求,可以极大地减少人工读数的工作量。

基于FPGA和机器视觉的激光充电系统的设计与实现

本文针对当前移动设备充电领域使用距离范围小等问题,提出了一种基于FPGA和机器视觉的激光充电系统的解决方案,充分利用FPGA的并行数据处理的优势,很好地满足了激光充电系统的实时性和可靠性要求;通过对图像进行形态学算法的处理,解决了在多种干扰的情况下如何准确寻找到目标充电物和激光光斑的问题。实验结果显示激光充电系统运行稳定,在通过形态学处理后能准确寻找到图像中目标物与激光光斑,与周围物体的区别明显,电机控制激光击中目标物的成功率可以达到80%,基本达到预期目的。

基于北斗定位的人工智能水文环境信息监测系统

本文针对目前社会中对江河湖泊水文信息的监测和分析中存在着的报汛不及时,测量精度低等问题,利用物联网,嵌入式,北斗系统等技术,基于神经网络的深度学习技术并开发一款基于北斗定位的人工智能水文环境信息监测系统。该系统采用多个传感器采集水文信息,通过4G网络上传至服务器,由服务器发送结果至手机APP提示用户。最后通过软硬件测试,该系统性能优良,实现了水位预警,水位监测等各项功能,能够满足对水文环境信息自动化监测的需求。

阻尼条件下的气垫摆测量转动惯量方法研究

转动惯量是用来度量刚体转动惯性的一个重要属性,精确测量刚体的转动惯量对于分析刚体有着重要意义。本方法尝试考虑空气阻尼对气垫摆的影响。对无阻尼状态转动惯量的计算公式进行修正,运用自由衰减法计算空气阻尼比,进而计算刚体的转动惯量。与不考虑空气阻尼的测量值进行分析对比,此方法提高了测量精度,具有可行性。