基于百度飞桨的草莓视觉检测算法研究

草莓成熟度的判别,对于改进草莓自动化采摘系统和促进草莓增产至关重要。基于颜色识别草莓成熟度的传统模式存在准确率低、误差大等问题。为提高草莓成熟度识别准确性和优化草莓采摘流程,现基于百度飞桨,通过对草莓成熟度判别模型的搭建、训练、分析和调试等,最终研发出一套全新的深度学习草莓成熟度视觉检测算法。

基于百度飞桨的四足机器人智能导盲系统设计

本文研究了一种基于百度飞桨平台训练的图像识别检测模型,可以应用于四足机器人的智能导盲系统。该系统结合了机器狗的运动控制与视觉图像识别技术,能够有效感知和分析周围环境中的障碍物及道路信息,从而保障导盲过程的精确与安全。本文还详细阐述了该模型在实际应用场景中的表现与技术实现,展现了现代AI技术在智能导盲系统中的创新应用及其潜在的影响力。

基于百度飞桨平台长短期记忆网络的虚假评论检测研究

虚假评论识别是电子商务领域健康发展的有力支撑,现有多种方法用于虚假评论检测。本文基于百度飞桨深度学习平台构建长短期记忆网络(long short-term memory,LSTM)模型、应用Yelp数据集进行训练和虚假评论检测。首先对Yelp评论文本数据进行了预处理和对评论文本初步分析,详细介绍了模型中的数据计算流程,然后使用编码后的评论文本数据训练LSTM模型。实验表明,与传统机器学习相比,具有更高的识别准确率。

基于百度飞桨AI Studio的机器学习教学新模式实践与探索

针对机器学习课程教学中存在的问题,提出以百度飞桨AI Studio平台为载体的线上线下混合式理论教学模式和基于项目式的实验教学模式,介绍具体教学改革方案与实践,为学生进一步学习人工智能其他课程奠定坚实的基础。

百度飞桨平台在外国留学生人工智能与模式识别课程教学中的应用

针对目前外国留学生人工智能与模式识别课程教学中存在的问题,提出将百度飞桨和AI Studio平台引入教学中,阐述如何利用百度飞桨和AI Studio平台直观性、易用性等特点,有效解决外国留学生在学习中的诸多难题,最后通过成绩分析说明教学效果。

基于飞桨AI Studio平台的人工智能类课程线上线下融合式教学模式

分析当前深度学习课程在教学中存在的问题,针对实验课程很难有序开展的现状,提出以百度飞桨AI Studio平台为载体进行线上实验的方案,从而实现线上与线下相融合的教学模式,并详细介绍该方案的具体实施过程。

基于EasyDL的芯片表面缺陷检测方法研究

芯片引脚及芯片表面划痕缺陷检测在芯片的物理性检测和智能制造生产中都具有重要意义。为了实现对芯片引脚和表面划痕缺陷的高质量、高精度检测,文章结合Python-openCV对芯片图片进行预处理并利用百度飞桨EasyDL平台,采用有监督训练模式训练了芯片引脚检测模型以及芯片表面划痕分类模型。首先,判断图片亮度是否符合要求,并把不符合的图片进行增量,然后通过图像处理调整图片亮度,再通过阈值分割出芯片位置,对图片进行标注并送入EasyDL平台进行模型训练。实验阶段数据表明,引脚模型准确率为99.6%,测量误差为±0.1%、划痕模型准确率为100%,单张芯片图片判断引脚和划痕时间为56ms±3ms。因此利用图像预处理与深度学习相结合的芯片缺陷检测,不仅保证了缺陷检测的精度,同时还保证了模型的准确率,充分满足了检测行业对模型的高精度、高效率、高实时性的要求。

基于MobileNetV2和K210的鱼类智能识别系统设计

目前鱼类种类繁多,人工识别面临着劳动力老年化和短缺的挑战,为解决人工识别存在的问题,采用一种轻量级卷积神经网络MobileNetV2,在30种鱼类数据集的基础上,对神经网络进行迁移学习,得到paddle分类模型,利用模型转换工具,得到可以在K210模块上运行的模型。实验结果表明,该系统可以以较高的准确率完成鱼类的识别,实时性较好,功耗低。

信息化资源与数据双螺旋驱动的传感类课程教学理念、方法与实践

资源与数据已成为推动教学改革的两个主要引擎。传感类课程是我国工科专业本科生的必修课,传感与检测技术是湖南大学电气与信息工程学院电气、自动化、电子和测控等四个本科专业的核心课。当前教学主要存在以下问题,第一,信息化教学程度比较低,信息化教学方法不完善;第二,理论和实验相互割裂,很难形成合力;第三,课本知识比较滞后,难以训练科学思维和创新意识;第四,教学活动缺乏数据支撑,学习行为难以准确挖掘。针对这四个问题,教师主要从信息化资源和数据作为突破口进行改革,使用信息化资源产生教学数据,再通过数据分析完善资源建设,最终形成双螺旋驱动的混合式教学方法。通过教材信息化、线上线下混合式授课提升信息化教学水平;通过实验视频上网、手机APP与示教软件让理论和实践结合得更加紧密;通过教改项目、科研实验和论文引入前沿知识,训练科学思维;通过SPOC和四年雨课堂数据指导教学活动,挖掘学习行为。最终,极大提升课程的教学效果和立德树人成效。

智能算法模型转换工具的设计与实现

针对边缘计算中国产化异构智能加速硬件种类繁多,算法模型在不同硬件平台上运行环境的部署过程繁琐、上手难度大等问题,设计并实现一种智能算法模型转换工具。该工具基于QT开源框架开发,运用多线程和线程交互等技术,以界面的形式呈现给用户;支持华为昇腾(CANN)平台、百度飞桨(PaddlePaddle)平台和国产FPGA平台的模型转化功能,可将开源框架下训练的深度学习算法模型一键转换为国产化智能加速硬件平台支持的模型文件,实现智能算法模型的快速部署和高效运行。实验验证了该工具的可行性和有效性,转换前后的推理精度误差不超过1%。

基于PaddleDetection的老人跌倒预警系统设计与实现

在大数据时代的背景下,针对目前存在无法有效实现老人跌倒预警及跌倒后无人看护、无法及时就医的问题,设计了一种基于PaddleDetection的老人跌倒预警系统,当老人即将跌倒时或跌倒后发出警报指令能通过云平台传输消息到家人手机,以便及时就医。文中采用PP-YOLOE+作为检测模型,通过数据预处理、模型训练和模型评估三个步骤,得到了一个AP(平均精准率)达54.4%的实时跌倒检测模型,有效减少跌倒事件对老人身体的损害,具有较高的研究和实用价值。

动物识别大转盘:玩转图像分类模型

本项目以野生保护动物图像分类为主题,共包括数据采集及处理、模型训练、模型封装、模型部署四个阶段,利用6个课时带领学生体验完整的人工智能作品开发流程,以期为高中阶段人工智能教学提供参考。

非计算机/人工智能专业开设人工智能课程面临的问题与对策研究

针对非计算机/人工智能专业引入人工智能课程的迫切需求,分析面临的具体问题,在对比国内外主流深度学习开源框架的基础上,提出相应的解决方法。

新工科背景下基于项目驱动的数字图像处理教学方法探析

针对当前传统工科类课程出现的理论教学与实验环节严重脱节的问题,阐述新工科教育理念下数字图像处理课程改革的基本原则,提出将项目驱动式教学融入课程的教学新模式,从课程体系构建、教学项目设计、教学过程和课程评价机制几方面介绍基于项目驱动的数字图像处理课程教学实施过程,最后总结项目驱动式教学模式在数字图像处理教学中仍待解决的问题。

新工科背景下民族院校虚拟仿真实验教学改革

针对民族院校工科专业实验教学发展面临的主要问题,提出虚拟仿真实验教学改革,明确教学改革思路,以电子信息专业数字图像处理课程为例,通过设计虚拟仿真实验教学系统、数字图像处理课程实验教学内容及该课程教学实施方案,探讨虚拟仿真实验教学改革在民族院校实施的可行性。

通用的人工智能基础课程教学探索与实践

针对适用于各专业的人工智能导论类课程设计问题,提出本着理论与实践相结合的原则进行校企合作,制订通用的人工智能基础课程教学大纲。以北京交通大学软件学院软件工程专业开设的唯一一门人工智能类课程为例,阐述在没有后续配套课程的情况下,如何兼顾理论联系实践,校企合作进行人工智能基础课程的教学活动,探讨此类通用的人工智能导论课的可行性。

行业应用背景下的高校深度学习课程教学改革

针对目前新工科背景下深度学习课程理论同行业结合不紧密等问题,分析目前高校开设深度学习课程的现状,结合深度学习课程的主要内容以及相关专业学生的实际学习情况,提出基于行业应用背景下的深度学习课程教学改革方案,以百度飞桨中的深度学习智能医疗作为典型案例介绍具体教学改革实践,最后说明课程教学改革效果。

一种基于EdgeBoard的智能车系统设计与实现

文中提出一种基于EdgeBoard的智能车系统,主要研究内容包括智能车车模的搭建、深度学习模型的训练、智能车控制等。首先,在百度AI Studio平台上部署飞桨深度学习框架,以计算卡EdgeBoard为主处理器,板载ATmega2560内核的WBOT控制器为下位机,CMOS高分辨率摄像头为视觉模块,闭环编码电机和智能舵机为动力装置,运用超声波、磁敏等各类传感器并使用CNC铝板搭建车模结构,从而构建一套完整的智能车模型;其次,通过深度学习训练模型,实现道路数据信息采集和数据的预处理,构建深度学习框架对数据集进行训练;再应用智能车的控制算法实现训练完成的模型调用、获取摄像头拍摄的数据、EdgeBoard对拍摄到的道路信息和任务信息的处理、EdgeBoard主处理器与WBOT下位机的通信、WBOT命令的接收以及控制指令的发送等功能;最后,通过实验对该智能系统的有效性进行验证。结果表明:所设计的智能车可以在设定的赛道上实现自主寻迹、定点停车、物料搬运、任务识别等功能;相比较于传统的智能车,文中装载深度学习模型的智能车寻迹效率更快,识别率高,对车道限制少,具有较强的鲁棒性和抗干扰能力,可以应用于智能交通系统中。

基于目标识别的智能视频监控系统研究

研究野生动物生活习性所部署的视频监控设备,由于网络条件限制,通常只能将视频保存在存储设备中,由研究人员定期取回分析。大量的无效视频一方面影响监控设备的续航能力,一方面需要耗费大量的时间进行分析。使用目标识别算法赋予监控系统智能,对视频进行预处理,自动识别和保存包含目标动物的视频,可以提高监控设备的续航能力,降低研究者在视频中搜寻目标动物的工作量。本文以视频监控系统的智能化为研究目标,提出一种在边缘计算硬件上部署轻量级目标识别算法对包含目标动物的视频进行智能保存的方法。经过仿真实验,使用该方法可以提高视频监控设备的续航能力,减少后期人工处理的时间。

一种基于PaddlePaddle的装配调整预测方法

近些年来,网络上各种深度学习平台不断出现,很多公司与高校都开始深度学习平台的应用研究,各种应用研究层出不穷,在很多领域都取得了较好的成果,但深度学习平台在航空附件装配领域的应用相对较少。描述了一种利用百度PaddlePaddle深度学习平台,预测某航空附件产品装配时垫片调整量的方法,并最终使用Pycharm+QT5设计与部署了预测软件。