基于卷积神经网络面部图像识别的拖拉机驾驶员疲劳检测

针对疲劳驾驶极易造成拖拉机交通事故这一问题,该文提出了一种基于卷积神经网络面部特征识别的拖拉机驾驶员疲劳检测方法。首先,利用伽马亮度校正对驾驶员面部图像进行光照预处理,再通过小波包去除图像中的椒盐噪声和高斯噪声,对预处理后的图像分别通过PCA-SCM人脸特征识别定位算法和基于人脸核心特征库及肤色模型的人脸识别算法进行驾驶员面部的识别定位,并通过比对这2种算法识别的偏差大小校验算法识别的有效性,以减小拖拉机工作振动时采样对图像中人脸定位精度的影响。将提取到的驾驶员面部图像输入到卷积神经网络进行深度学习和训练,并建立驾驶员疲劳视觉检测模型,从而实现基于拖拉机驾驶员面部图像的疲劳检测。统计训练过程中各项参数变化情况并进行T-SNE降维迭代分析,与其他常规方法相比,CNN在检测准确度和检测效率方面都有较为明显的优势。试验表明,所提出的检测模型准确率98.9%,图片识别效率38 ms/帧(Inter i7-4510U双核处理器),能够实现拖拉机驾驶员疲劳状况的实时检测,该研究可为解决疲劳驾驶这一安全问题提供参考。

基于可变速率采样的SPWM算法设计及实现

SPWM调制是提高逆变电源电压利用率和减少谐波分量的重要方法。文章依据正弦信号的波形特点,从采样速率转换时刻的确定、采样速率的选择及脉冲换相点的计算等方面详细讨论了可变速率采样的SPWM算法原理和参数选择。最后给出采用STC12C5410AD系列单片机的软、硬件实现。

基于SCM与K-means聚类算法的矿工不安全动作分类特征研究

为减少托管运营煤矿不安全行为导致的安全事故,针对此种运营模式下人员的不安全动作进行科学分类研究;现场调研了2017—2018年内蒙古、宁夏、新疆地区6个煤矿1996名煤矿从业者的“三违”行为情况,从时间、工种及SCM行为产生特点3个方面对全部“三违”行为进行统计分类;基于k-means聚类算法建立了8个指标、4个子类的数据集合,并通过PCA降维绘制了可视化聚类散点图。分析表明:采用SCM和k-means的聚类算4种不安全动作分类占比关系与人工分析均得出了相同的结论;在所有不安全动作中,违章占比最大,错误占比最小;研究结果对于减少煤矿从业人员不安全动作行为,以及分级、分类预防安全事故的发生具有一定的指导意义。

电动机控制中的PWM在C8051中的实现

在直流电动机的控制中,通过脉宽调制(PWM)技术,调节 PWM 信号的占空比来实现调速。应用 C8051 PCA 的 PWM 工作方式,我们可以很容易地得到8位 PWM 波。或者通过其它方式实现高分辨率的 PWM 波。