路面红外测温中行车干扰信号的识别

研究了红外遥感路温的干扰来源,分析了晴、多云和阴雨天气条件下路面红外遥感温度与行车干扰样本的特点,拟合干扰信号并分类,提出了一种基于均值-标准差作初始中心加速K-means聚类分离干扰信号,利用路面与车辆的温差、车辆信号的标准差和干扰信号的持续时间,识别车辆干扰、低速障碍物和环境突变的3种特征并保留环境突变数据,提高路面红外测温精度的方法。结果表明,该方法在晴天和多云天算对干扰信号的总体识分别为95.6%和90.9%,阴雨天的识别率为78.2%,能有效提高路面红外测温的准确度。

边缘AI的霜雪识别系统设计与实现

为提高霜雪识别系统的识别率,开展了基于边缘AI的霜雪识别系统设计。综合海思嵌入式处理器Hi3559A高算力、低功耗特点,硬件部分采用模块复用的方法降低功耗和资源消耗,软件部分,从模型训练、模型量化、模型部署入手对MobileNetV2图像分类网络和ISP自适应处理算法进行改进,最终识别率99.7%,预处理时间0.3 s,图像分类时间0.8 s,模组平均功率2 W,鲁棒性好、性能稳定。由此可见Hi3559A智能相机模组可有效纠正雪深探测仪的疑误数据。