基于机器视觉的智能物流搬运机器人的设计与研究

第七届全国大学生工程训练综合能力竞赛智能+赛道基于机器视觉的智能物流搬运机器人,对OpenMV4视觉模块进行研究,应用该模块进行二维码、不同颜色物料等多种目标的识别,信息经过模块上STM32F427微控制器的处理,与Arduino Mega 2560板通信,机器人识别场地上的三个区域,用PID算法驱动麦克纳姆轮机器人的四个直流电机旋转并且定位机器人,通过PCA9685模块的I2C通信协议,发送PWM脉冲信号给机械臂上的四个关节舵机,使智能物流搬运机器人对场地上的物料进行自动搬运。实验证明其可以较为精确地完成各项搬运任务。

工业互联网智能型自动生产线实训平台设计

为适应产业转型升级对高技能人才的要求,解决现有实训教仪控制对象单一、综合训练设备少等问题,校企合作开发了“智能型自动生产线”实训平台,将自动控制、机器人及其视觉控制、计算机网络等技术有机结合,实现智能生产的控制与管理。平台以实际毛坯工件为加工载体,以机器视觉为定位引导,进行了任务输入与供料加工站、装配站、分拣站和远程监控服务与信息管理站等产线控制的系统设计,并用于实训项目教学的运行。运行测试表明,平台系统安全可靠,适合新工科高技能人才综合技能的培养。

“现场工程化”智能制造技术综合实训平台开发

为适应产业转型升级对高技能人才的需求,解决现有实训教仪控制对象单一、工程对接性不强等问题,面向智能制造工程领域,以提高培育现场工程师的综合素养为目标,基于“情境创设+能力预设+课程体系建设+岗证课赛融合”的开发理念,校企合作开发了一种新型的综合实训平台。该实训平台将自动控制、机器人控制、机器视觉、计算机等技术有机结合,以积木搭建的方式,再现了融合任务输入与供料、装配、分拣和远程监控服务与信息管理等为一体的智能生产控制与管理现场。经过实际运用发现,该系统不仅可用于单项专业技能训练,而且还支持集设计、维护与创新能力于一体的能力培养。

基于智能制造的工业机器人及机器视觉实训平台研发

针对目前高校工业机器人及机器视觉课程群缺少学科交叉、课程融合的综合性实验和实践教学平台的现状,研发了一个智能制造环境下的工业机器人及机器视觉实训平台。该平台主要由工业机器人、智能视觉检测、RFID数据传输等系统组成,模拟智能制造环境下典型工业现场的生产线,可以满足工业机器人、机械控制基础、人工智能、智能制造等课程的实践教学及学科交叉融合的实训项目。

智能综合实训平台的设计与应用

智能综合实训平台是北京电子科技职业学院机电一体化技术专业在人才培养方案体系中校企合作典型案例。该智能平台围绕工业机器人、 PLC控制器、电气自动化控制、传感器检测、视觉检测、机械装调等内容构成,能够满足该专业学生在项目实践环节的综合训练和能力提高,在人才培养中发挥了重要作用。

智能化多维视觉训练治疗屈光不正性弱视的疗效及其对愈后视功能的影响

目的分析智能化多维视觉训练治疗屈光不正性弱视的疗效及其对愈后视功能的影响。方法选择2016年10月—2017年8月到该院就诊的88例屈光不正性弱视患儿为研究对象,根据治疗方案不同将其分成两组,对照组(n=44)采用传统综合训练方法治疗,观察组(n=44)采用智能化多维视觉训练法治疗,对比两组的临床疗效。结果观察组的临床总有效率90.90%,较对照组的75.00%要高,差异有统计学意义(χ~2=3.938,P=0.047);治疗后,观察组患儿的远立体视、非交叉视差、交叉视差、近零视差等各项指标的正常率分别为47.73%、18.18%、36.36%、34.09%,而对照组分别为13.64%、2.27%、6.82%、6.82%,组间差异有统计学意义(P<0.05)。结论与传统综合训练法相比,智能化多维视觉训练法治疗屈光不正性弱视效果更佳,更有利于患儿治愈后远、近立体视功能的提高,可成为儿童屈光不正性弱视治疗的常规手段。

基于CiteSpace的国际体育人工智能研究的前沿热点与演化分析

以1995年以来Web of Science数据库有关“体育人工智能”主题的325篇文献为数据来源,利用CiteSpace V软件进行可视化处理和分析,梳理了近25年体育人工智能研究的国家与学科分布、研究热点以及演化趋势,分析了对体育人工智能的研究脉络,并探讨了体育人工智能领域的进展和发展方向。认为:①体育人工智能研究地区分布较广,其中美国、中国和德国处于领先地位;②体育人工智能研究涉及多个学科,主要运用和借鉴了计算机科学、工程学、神经科学、物理学、心理学等学科的研究方法和理论视角;③体育人工智能研究的热点主要为基于计算机视觉技术的神经网络分析预测模型研究、基于计算机深度学习的智能训练反馈系统研究、高效智能穿戴设备等。

网球影像智能化协助训练与竞赛分析

传统网球训练中存在训练效果难以快速量化分析,以及基于深度学习网络的图像分析技术面临着硬件性能和速度效率等问题.为此,提出一种结构重新参数化策略,基于编码器-解码器构建智能分析系统,通过深度学习技术实现网球图像处理和视频跟踪,提高网球运动轨迹识别准确性和速度.为网球训练和竞赛协作训练中的教练和选手提供精准的数据分析参考.

基于机器视觉技术的运动训练系统设计

针对当前运动训练系统的误差考虑不全面、效果差等缺陷,设计基于机器视觉技术的运动训练系统。首先,采集运动训练视频图像,得到训练关节点运动轨迹,并依据运动轨迹和误差检测方法分析运动员运动训练测量误差;然后,依据误差成绩智能测评模块评价运动员热身运动强度、运动训练反应时间、运动训练动作精度与稳定性等,并给出提升运动效果的训练建议;最后,仿真对比实验结果表明,相比其他系统,所提系统反应时间速度快,动作控制精度高,可以获得理想的运动训练误差检测效果。

左旋多巴联合智能多维视觉训练对青少年屈光不正性弱视的疗效

目的探讨左旋多巴联合智能多维视觉训练对青少年屈光不正性弱视的治疗效果。方法选取2017年5月至2018年10月我院眼科门诊就诊的56例(98只患眼)屈光不正性弱视青少年为研究对象,按照随机数表法将其分为观察组(28例,50只患眼,左旋多巴联合智能多维视觉训练)与对照组(28例,48只患眼,智能多维视觉训练)。比较两组患儿治疗前、后的视觉敏感度、P-VEP、视功能、临床疗效及治疗前、后的生活质量。结果治疗后,两组患儿100%、50%、25%及10%空间频率视觉对比敏感度、P100波幅均显著升高,潜伏期均缩短,且观察组优于对照组(P<0.05)。治疗后,观察组患儿的矫正近立体视锐度低于对照组,矫正辐辏范围及矫正分开范围高于对照组(P<0.05)。观察组患儿的治疗总有效率为84.00%,高于对照组的70.83%(P<0.05)。治疗后,两组患儿的生活质量评分均升高,且观察组高于对照组(P<0.05)。结论相较于单纯的智能多维视觉训练,左旋多巴联合智能多维视觉训练更有利于青少年屈光不正性弱视患儿视觉敏感度、视功能的提高及视觉中枢神经元功能的改善,疗效显著,有利于患儿生活质量的提高。

人工智能技术服务专业人才培养方案建设研究

人工智能技术服务专业是2019年高等职业教育新增专业,本文通过对天津市人工智能技术人才需求进行调研,参照计算机视觉和智能计算2个1+X证书的典型工作任务和职业技能要求,确定本专业的培养目标、相关岗位描述和课程体系,有利于培养德技并修的创新型、复合型人才。

基于HALCON的城轨列车车号识别技术研究

列车车号识别作为新一代城轨运维系统的基础组成部分需要更高的识别准4确度和速度,并且需要将识别结果并入大数据和物联网。本文研究了基于HALCON的列车车号识别方法。

视觉富文档理解预训练综述

视觉富文档指语义结构不仅由文本内容决定,还与排版格式和表格结构等视觉元素相关的文档。现实生活中的票据理解和证件识别等应用场景,都需要对视觉富文档进行自动化的阅读、分析和处理。这一过程即为视觉富文档理解,属于自然语言处理和计算机视觉的交叉领域。近年来,视觉富文档理解领域的预训练技术在打破下游任务的训练壁垒和提升模型表现上取得了重大的进展。然而,目前对现有的预训练模型的归纳总结和深入分析仍然有所欠缺。为此,对视觉富文档理解领域预训练技术的相关研究进行了全面总结。首先,介绍了预训练技术的数据预处理阶段,包括预训练数据集和光学字符识别引擎。然后,对预训练技术的模型预训练阶段进行了阐述,提炼出单模态表示学习、多模态特征融合和预训练任务3个关键的技术模块,并基于上述模块归纳了预训练模型之间的共性和差异。此外,简要介绍了多模态大模型在视觉富文档理解领域的应用。接着,对预训练模型在下游任务上的表现进行了对比分析。最后,探讨了预训练技术面临的挑战和未来的研究方向。

机器视觉技术的发展与应用助推高校机械类人才培养方案的改革

当前,全球制造业格局面临着重大调整,传统制造业与新一代技术深度融合,向着高精度、自动化、智能化方向发展。机器视觉技术能助力我国制造产业的升级、转型,一定程度上能帮助实现智能制造。然而,我国的机器视觉技术人才缺口大,高校对该类专业技术人才的培养滞后于企业需求,因此,该文通过分析各大高校的培养方案,进一步探索机械类人才培养方案的改革。

人工智能视域下涉农高校工科“双创”人才培养生态链构建探析

以涉农高校工科在校学生以及近年来毕业学生为调研对象,以既往培养成果为比对基础,力求突破对涉农高校工科学生“双创”人才培养的传统认识,以及契合人工智能时代、乡村振兴战略背景,紧密联系人工智能理念与技术,大胆提出构建人工智能视域下涉农高校工科学生“双创”人才培养的“三赋能、双汇智、一循环”生态链新模式,切实加强与改进涉农高校工科学生“双创”人才培养的针对性与实效性;在实践过程中积极分析生态链模式的新问题、新特点、新规律,以期推动涉农高校工科学生“双创”人才培养在人工智能视域下的生态链新模式实践创新。