基于MQTT协议的智能猫咪投喂器的设计与实现

家中宠物没人喂养,宠物远程投食量难以精准把控,难以及时投喂一直是爱宠人士最头疼的问题。本文基于模块化设计思维,设计并制作了一款基于MQTT协议的智能猫咪投喂器,旨在解决猫咪投食量难以精准把握,难以及时定点投食难题。该投喂器由Arduino ATMEGA328P主控模块、ESP8266 Wi-Fi模块、HX711压力检测模块、DS3231时钟模块和SG90舵机模块组成。通过ESP8266 Wi-Fi模块实现主控制器与物联网平台数据的传输,通过手机、PAD等实现投喂时间及投喂量的远程控制,可实时远程监测当前猫咪饮食状态。与市场现有猫咪投喂器相比,实验结果表明:本文设计的智能宠物投喂器具有可靠稳定性好、投食量精准、可自动定时定点定量投放等优势,可为猫咪等宠物主人提供性价比高、精准可靠、稳定、科学及健康的猫咪饮食解决方案。

顾及船舶适航条件的可达动态海图研究

由于潮汐作用和海上环境因素的影响,现行依靠海图水深与潮汐表相结合保障船舶航行安全的方法亟待改进。为了在安全前提下最大限度提高通航海域的空间利用率,本文提出了一种获取顾及船舶适航条件的可达动态海图构建方法。在瞬时水深模型上,考虑船舶适航水深和适航时间窗口两个船舶适航条件,获得不同吨位船舶在不同航速下的最大可达范围的动态海图。基于该方法,构建了南黄海沿海海域的可达动态海图,该海图可为船舶乘潮进港提供水深信息,扩大航道通航能力,提升船舶可航行范围,提高海域的空间利用率。

基于孪生网络的工业缺陷弱监督视觉检测算法

工业品缺陷存在目标多尺度和随机性等特点,易导致现有的目标检测算法出现误检或漏检现象.基于卷积神经网络架构,提出一种高性能的工业缺陷视觉检测模型,记为SNDec(Siamese network detection).采用并行权重共享的孪生网络(Siamese network, SN)将工业缺陷转化为视觉差异特征.孪生网络由并行特征提取通道构成,并以两通道的差异特征作为输出,能够在抑制同类属性的前提下,最大程度地凸显缺陷特征.结合弱监督定位算法,所提模型能够在实现高精度识别的同时,获取工业缺陷发生位置.通过引入卷积块注意力机制(convolutional block attention module, CBAM),进一步提升了模型检测精度.在真实工况采集的注塑瓶盖数据集以及公开的MVTec数据集上,将当前主流的工业品缺陷视觉检测算法(ResNet 50、1-NN、U-Student和GANomaly)与SNDec模型进行比较.结果表明,SNDec模型取得了89.2%的分类准确率和90.1%的召回率,比ResNet50模型分别提高了5.7%和3.2%.仿真结果验证了基于差异特征实现工业缺陷检测的有效性,结合弱监督定位算法Grad-CAM,SNDec模型能够以热力图形式实现准确的工业缺陷定位,为工业缺陷特征刻画提供更为丰富的信息.