课程文献中心 更多>>

关键词： 指针式压力表   自动化检定   目标检测   边缘计算   嵌入式系统  

摘要： 针对指针式压力表现场检定过程中人工操作依赖强、效率低且一致性不足的问题,本文基于“目标检测-字符识别-几何解算-流程管理”的分层协同架构,设计并实现了一种新型的基于深度学习的便携式自动检定系统。该系统遵循JJG 52—2013规程,以嵌入式平台为核心,集成自动对焦摄像头、LED环形光源、微型电磁铁轻敲装置及流程引导模块,实现本地化模型部署与无网络独立运行。针对表盘信息识别错误混淆问题,对通用轻量化OCR模型进行定向微调,并设计信息校正算法(ICA),结合正则表达式筛选与等差数列拟合,实现刻度值的一致性校验与修正。针对指针读数任务的特殊性,提出改进的YOLO11n-PR轻量化目标检测网络以提升指针关键点定位精度,增强复杂工业环境下指针读数的准确性。实验结果表明,与基准模型相比,表盘信息识别准确率提升至97.44%,词错误率(WER)降至2.56%,字符错误率(CER)降至1.28%,能够精准区分形态相近的数字与符号;指针读数MAE与RMSE从0.0421和0.0474降至0.0154与0.0270,分别降低63.42%和43.04%;单表平均检定时间缩短至73s,效率较标准人工操作提升约4倍,且系统长时间连续运行下稳定可靠。说明该系统具备良好的工程实用性和现场使用价值。

关键词： 新型防火墙技术   计算机网络   网络入侵防御  

摘要： 阐述新型防火墙技术的特点、优势及在实际网络环境中的应用效果。通过对比传统防火墙与新型防火墙在技术架构、性能和适应性方面差异，分析新型防火墙在网络入侵防御、数据泄露防护、云计算与虚拟化环境中的应用。

关键词： 单片机   环境监测   传感器   嵌入式系统   数据采集  

摘要： 阐述一套基于STM32单片机的智能环境监测系统的设计与实现。该系统集成了温湿度传感器、光照强度传感器及空气质量传感器，完成了硬件电路设计与嵌入式软件编程开发。

关键词： 带缺陷的板材   矩形排样问题   分支定界算法   阶梯线表示   精确算法  

摘要： 为了解决带缺陷的、不受限的、非剪切的二维矩形排样问题,建立了以最大化工件价值为目标的整数规划模型,提出了一种基于阶梯线的分支定界精确求解算法。算法使用阶梯线表示工件排布状态,以阶梯线角点作为分支点进行空间搜索,并通过最佳优先策略确定搜索方向。为减少搜索规模,提出了两种预处理策略,引入多种剪枝策略以提前排除劣解。为获得紧凑的上界值,结合三种上界计算方式评估空闲区域的可排布价值,并利用贪婪启发式快速生成可行排样方案以更新下界。实验结果表明,在5400个基准算例中,该算法能够证明其中 5258 个算例的最优性;在中小规模算例上,其解质量与计算效率均优于现有的代表性启发式算法,体现了良好的求解性能与稳定性。

关键词： 大规模聚类   稀疏表示   集成聚类   代表点采样   分布式计算   Spark   大规模数据   共识函数  

摘要： 针对大规模高维数据聚类中存在的采样代表性不足与计算开销过高的问题,本文提出了一种稀疏表示驱动的集成聚类(Sparse Representation-driven Ensemble Clustering,SREC)算法。在基聚类生成阶段,SREC算法引入了随机样本划分与K-means的混合代表点采样策略,结合FAISS索引构建高效稀疏图,有效克服了局部采样难以覆盖全局分布的缺陷;在共识函数构建阶段,SREC算法采用了一种非迭代的加权谱共识函数,利用Tcut策略在稀疏图中实现高精度的簇划分。在分布式环境下基于Spark计算框架实现了SREC算法,通过百万级数据集对其表现进行了系统性地验证。实验结果表明:SREC算法在评价指标NMI、ARI和ACC上优于选用的10种主流聚类算法,较之次优算法获得了4.15%、3.33%、以及0.98%的性能提升;同时,SREC算法具备良好的稳定性,对基聚类算法个数的变化不敏感,NMI指标标准差仅为0.21%;另外,在处理五百万级样本数据的聚类问题时,相比次优算法,SREC算法的计算效率提升了51.8%,证实了其在处理大规模数据聚类问题时的优势。

关键词： 边缘计算   嵌入式系统   AI   NPU   FPGA  

摘要： 随着物联网与工业互联网的发展,传统云计算在实时性、隐私保护及能耗上面临挑战,嵌入式人工智能(artificial intelligence,AI)边缘计算平台成为算力下沉的关键途径。针对现有平台处理深度学习模型时的算力瓶颈、带宽限制与能效不足问题,提出一种嵌入式AI边缘计算平台,以ARM Cortex-A76为核心,融合神经处理单元(neural processing unit,NPU)与现场可编程门阵列(field programmable gate array,FPGA),重点优化多芯片互联、高速存储及电源完整性设计。通过模型量化与编译优化,结合目标检测与工业视觉分类任务验证,实验表明该平台在功耗低于15 W时即可实现每秒百帧级高清视频实时推理,满足工业现场稳定运行要求。

关键词： 六维力传感器   改进灰狼优化算法   BP神经网络   解耦建模   嵌入式系统  

摘要： 针对六维力传感器存在的维间耦合误差问题,提出一种基于改进灰狼优化算法(IGWO)与反向传播神经网络(BP)的解耦方法。通过引入动态分布参数调节、自适应非线性控制因子及改进的位置更新策略,对BP神经网络的初始权重和阈值进行优化,从而提升模型的收敛性能与全局寻优能力。基于六维力传感器的静态标定数据建立解耦模型,并将所提方法与最小二乘法、标准BP、GA-BP、PSO-BP及GWO-BP等方法进行了对比分析。实验结果表明,所提出的IGWO-BP解耦方法能够有效降低传感器的维间耦合误差,其中I类分量的最大相对误差为0.267%,II类分量的最大相对误差为0.127%,整体解耦精度优于对比方法。为进一步验证该方法在嵌入式系统中的应用性能,将解耦模型嵌入STM32F103C8T6微控制器,并构建了由AD7606模块与传感器标定装置组成的实时数据采集系统。在500 Hz采样频率下开展实时测试,上位机显示的六维力/力矩解耦输出与标准加载值之间的最大相对误差未超过±1.6%,系统运行过程中未出现明显延迟或数据丢失,验证了所嵌入解耦算法在实时解耦精度与系统稳定性方面的可行性与有效性。

关键词： 卷积神经网络   非负稀疏表示   嵌入式图像   乘性迭代算法  

摘要： 针对嵌入式系统的处理器运算速度和内存较小,从而限制了图像目标识别算法在嵌入式系统上运行效率和性能的问题,提出一种高性能的嵌入式图像目标识别算法,即卷积神经网络(convolutional neural network,CNN)和非负稀疏表示相结合的算法.首先,利用CNN挖掘嵌入式图像特征,通过参数共享和局部感知性能降低模型的参数量和计算复杂度,提高计算效率;其次,通过Roberts交叉梯度滤波器对嵌入式图像进行卷积操作,先结合Sigmoid函数运算初步获得特征挖掘结果,再采用非线性池化法对结果下采样,从而降低特征挖掘结果的维度,完成图像特征挖掘任务;最后,使用非负稀疏表示法建立目标识别模型,根据乘性迭代算法求解系数稀疏系数向量.经过核函数运算和最小类残留运算确定目标区域.实验结果表明,该算法获得的各组图像识别结果的F 1值均稳定在0.98以上,且在嵌入式图像目标识别方面帧率较高,表明该方法在保持高精度识别性能的同时,具有在嵌入式系统上高效运行的能力.

关键词： 科教融汇   嵌入式系统教学   案例式教学   教学痛点   实践路径  

摘要： 科教融汇理念的提出,为嵌入式系统案例式教学创新与改革提供了方向。在嵌入式系统案例式教学中探索科教融汇理念融入策略,不仅能够为教学模式的重构提供科学的理论支撑,更能够有效提升学生的问题解决能力、技术创新素养,从而进一步推进嵌入式系统案例式教学的创新以及育人工作的高质量发展。分析科教融汇内涵与要求,对嵌入式系统案例式教学的核心痛点开展了论述,提出了科教融汇驱动下的嵌入式系统科教融合案例库,优化课程三级项目设计与评价,从而促使科研工作与育人工作实现密切互动,推进“嵌入式系统原理与设计”课程教学成效得以持续提升。

关键词： 智能体   扣子平台   嵌入式系统设计与应用   教学改革  

摘要： 针对嵌入式系统设计与应用课程教学中存在的实时交互不足、作业批改效率低下、个性化指导欠缺问题,提出基于扣子智能体的AI赋能教学改革方案,阐述如何通过扣子平台实现基于大模型的嵌入式系统课程智能问答智能体、平时测验(选择、填空、问答题)批改智能体、STM32程序代码批改智能体,构建涵盖实时答疑、代码自动批改、学习测评、学情分析、个性化指导等环节的AI辅助教学体系,最后说明课程教学改革效果。