课程文献中心 更多>>

关键词： 反光衣检测   YOLO   聚类   SPPC(空间金字塔约束)   嵌入式系统  

摘要： 近年来,在建筑、交通和工业等诸多行业中,由于施工人员未穿戴反光衣而发生伤亡事故的现象层出不穷。当前大多数行业对施工人员穿戴反光衣的监管过度依赖人工,这种人工筛查工人是否穿戴反光衣的方法不仅效率低下,而且由于角度、距离、光线等复杂场景的变化,很容易对工人是否穿着反光衣做出误判。基于此,本文借助YOLOV4-tiny和YOLOV7-tiny算法开展对反光衣穿戴智能检测方法的研究,以提高反光衣穿戴检测的效率和精度,并将其部署在嵌入式平台,为后续大规模工业应用提供可行性和可靠性的参考。主要研究内容如下: (1)针对YOLOV4-tiny算法的检测精度与检测速度的耦合问题,本文提出了一种YOLO-FL算法以兼顾原YOLOV4-tiny算法的检测精度与检测速度。首先,提出一种新的交并比计算方法KIoU,并将其引入到原K-means++聚类方法中,避免原K-means++聚类方法中距离带来的影响;其次,引入SPPF模块到颈部网络中,融合不同尺度的特征信息以获得更丰富的特征表示;最后,在模型的训练过程中引入标签平滑策略,降低模型因数据样本较少而发生过拟合的概率。在反光衣数据集上进行实验,YOLO-FL算法的平均精度mAP和F1值分别为91.14%和0.85,比原算法分别提高了 8.29%和0.12,FPS为116,表明YOLO-FL算法能在提高检测精度的同时,兼顾检测速度的实时性要求。 (2)针对YOLOV7-tiny算法特征提取能力不足与特征融合不充分等原因容易导致的误检和漏检问题,本文提出了一种YOLO-JS算法。首先,引入ODConv卷积模块替代YOLOV7-tiny算法颈部网络中的部分传统卷积,使核空间的四个维度都被赋予卷积动态属性以提高基本卷积运算的特征提取能力,从而提高其信息处理和分析的效率;其次,引入PConv卷积模块替代YOLOV7-tiny颈部网络中的另一部分传统卷积,使之同时缩减冗余计算和内存访问;最后,提出一种新的SPPC空间金字塔池化模块,替代原算法网络结构中的SPPCSPC模块,旨在不增加计算开销的情况下,充分融合上下文信息。通过在反光衣数据集上的实验结果表明,YOLO-JS算法的平均精度mAP和F1值均优于其他主流算法,分别为96.10%和0.93,比原算法分别提高了 6.60%和0.06,GFLOPs为12.40。YOLO-JS算法不仅提高了反光衣穿戴检测的精度,还进一步改善了原算法存在的漏检和误检问题,且满足检测的实时性要求。 (3)为了满足实际工业应用的需要,本文将YOLO-JS算法部署到嵌入式设备Jetson Nano。通过TensorRT推理框架缩减模型计算精度与重构网络结构的方式提升模型在嵌入式设备的推理速度。实验观测表明,YOLO-JS算法在嵌入式设备上依旧保持较高的检测精度与实时检测效率,为模型在未来展开大规模工业应用部署打下坚实的基础。

关键词： 表面肌电信号   卷积神经网络   仿生机械手   嵌入式系统  

摘要： 随着肌电信号研究的深入发展,通过提取表面肌电信号中所包含的手势意图来控制机械手的方式已经愈发成为仿生机械手的主流控制方案。针对仿生机械手机械结构复杂,控制系统不稳定,肌电信号手势识别准确率不高等问题。该文提出了一种基于肌电信号的仿生机械手,主要研究仿生机械手在工作环境中实现手势执行、肌电信号处理、手势识别等关键技术。通过对仿生机械手进行整体设计、控制系统实现以及手势识别算法优化,深入探讨了人工神经网络与嵌入式系统在仿生机械手研究中的应用。论文的主要研究内容如下: 首先,针对欠驱动仿生机械手的机械结构进行了详细分析,包括运动学分析、3D建模和公式推导。并通过对仿生机械手进行3D模型建立,根据Qt(图形用户界面应用程序开发框架)和Open GL(开放图形库)自主搭建了仿生机械手模拟仿真平台,并在平台中进行仿生机械手的仿真实验。 其次,在机械手控制方面结合嵌入式技术搭建仿生机械手控制系统。采用DFRobot与OYMotion合作推出的一款肌电传感器模块设计了便携式、可穿戴的肌电信号采集装置。通过IM6ULL主控芯片搭载Linux操作系统研发了仿生机械手控制平台,实现了肌电信号预处理、特征提取、控制指令发送等功能。降低了仿生机械手控制系统复杂度,使得仿生机械手设备能够脱离实验室,具备小型化、便携化的特性,更好的运用于实际生活中。 最后,在经典神经网络模型的基础上进行详细研究,根据不同损失函数在实际应用中的特点,以卷积神经网络模型为基础,为避免在训练过程中梯度下降和梯度爆炸等问题,选择了残差网络为手势识别算法的神经网络模型,并更改神经网络最后一层的损失函数,选用Arc Face代替传统的Softmax层。以Nina Pro数据集为训练样本,对上述的神经网络模型进行验证。 实验结果表明,该文采用的残差网络模型的手势识别算法能够达到89.36%的识别准确率。对仿生机械手的控制系统进行测试后,各模块都完成了应有的功能,达到了预期指标。

关键词： 三维测量   图像采集系统   嵌入式系统   ARM处理器  

摘要： 随着人们对三维信息的需求与日俱增,三维测量技术已成为当下热门的研究领域。图像信息的采集为三维测量提供了数据基础,但是目前大部分三维测量图像采集系统是基于计算机的图像采集卡,此类系统存在系统复杂、集成度不高等问题。针对以上问题,本文基于ARM处理器(RK3588)设计一套高集成度的双目结构光三维测量图像采集系统,本系统能够实现图像的采集和传输、帧同步控制等功能,具有数据处理能力强、系统集成度高等优点。本文的主要工作内容包括: (1)通过分析三维测量图像采集系统的设计需求,确定了使用双目结构光的三维测量方法。提出系统整体的模型,采用双目系统采集带有结构光的图像,同时使用运动平台带动待测物体运动完成整个表面结构光图像的获取。提出系统的硬件和软件架构,并进行分析和相关理论准备,为系统的软硬件设计提供基础。 (2)设计图像采集系统硬件,以RK3588处理器为核心进行硬件设计。本文主要围绕图像数据采集模块、数据处理模块、扫描控制模块和外围接口模块四部分展开。数据处理模块是整个系统的核心,由RK3588处理器、DDR和Flash存储器组成,通过图像处理模块的接口将图像传感器的数据进行接收处理。扫描控制模块以STM32F103微控制器为核心,通过扫描同步电路实现拍摄间隔位移量的控制和两个图像传感器的帧同步。外围接口模块通过以太网、串口、USB等与外界进行数据传输。同时对高速PCB设计进行论述,完成了PCB的制作和调试。 (3)设计图像采集系统软件,包括嵌入式Linux系统软件和上位机软件。为了提升系统的整体效率,对嵌入式Linux系统软件进行多任务设计,分为图像采集、图像传输和消息通信三个任务,各个任务间使用互斥锁进行任务同步。同时完成嵌入式Linux系统在RK3588平台的移植和图像传感器驱动的开发。 对此次设计的各个模块进行测试,并对整个系统进行测试。最终测试结果表明三维测量图像采集系统的各个模块的功能均达到设计要求,系统整体运行良好。

关键词： 嵌入式系统   图像去模糊   QR码   深度学习   Transformer  

摘要： 随着二维码技术在各个领域的普及和应用,其便捷的信息传递方式已经成为现代生活的重要组成部分。然而,在实际应用中,由于环境条件和拍摄质量等因素的影响,二维码图像往往出现模糊不清的情况,导致识别困难甚至失败。针对这一问题,本文提出了一种基于嵌入式系统的二维码去模糊系统设计与实现方法。 本系统主要由硬件和软件两部分组成。硬件部分主要包括嵌入式处理器、摄像头、存储器和显示器等,负责处理、采集、存储和展示修复后的二维码图像。软件部分主要包括高效二维码去模糊算法、二维码识别库和GUI界面等模块,负责对采集到的图像进行去模糊处理和识别。本文主要研究内容与创新点如下: (1)针对以往基于深度学习的单阶段图像修复模型效果不佳的问题以及基于深度学习的多阶段图像处理模型中存在的信息丢失的问题,提出了一种基于Transformer的多阶段模糊二维码修复算法。算法在总体结构上采用了三阶段的编码器-解码器处理结构,在子阶段内和阶段间采用跳跃连接的方式增强信息传递。在模块设计方面提出了一种高效Transformer模块来处理图像的全局和局部信息,并设计了一种多分支结构的前馈传播网络实现了不同尺度和不同层次的特征提取和融合。最后,通过大量实验测试,所提出算法实现了优秀的二维码图像恢复结果。 (2)针对基于深度学习的多阶段模糊图像处理算法模型过于庞大、不适用于嵌入式设备的问题,提出了一种模型轻量化设计结构和一种高效特征提取器。在提升模型性能的同时,大幅减少了模型大小和计算复杂度。精简后的模型模型参数量减少约70%,同时PSNR和SSIM指标分别提升了0.52d B和0.021,满足嵌入式设备的部署。 (3)本课题设计并实现了一种基于嵌入式系统的二维码去模糊系统。该系统采用Nvidia Jetson TX2边缘计算设备进行算法部署与实现,并通过Tensor RT加速推理过程,以提高系统性能。为增强用户体验,系统使用Py Qt5构建图形用户界面。经过多张模糊二维码图像的测试,该系统实现了较为优异的性能表现,对于单张图像的平均处理时间为301毫秒,平均峰值信噪比达到33.12d B,平均结构相似性指数为0.9583。 综上所述,本文针对二维码模糊问题,提出了一种基于嵌入式系统的二维码去模糊系统设计与实现方法。通过对硬件和软件的优化,本系统在保证模糊二维码恢复效果的同时,具有较低的计算成本和较高的实时性,具有一定的实用价值。

关键词： 嵌入式系统   深度学习   手势检测   yolov5  

摘要： 在智能设备广泛普及和交互需求日益增加的背景下,非接触式的手势识别技术凭借其可视化成为了研究热点。本文针对MCU电源管理系统,设计了一种基于深度学习的电源手势控制系统,旨在通过手势识别技术实现对电源的智能管理,提升用户体验并增加设备智能化功能。系统核心采用改进的YOLOv5算法,利用卷积神经网络(CNN)在图像识别上的出色能力,确保手势识别的快速性和准确性,以实现MCU电源的智能控制。 本文针对手势识别在昏暗光照下检测困难及原有手势识别模型存在的高计算复杂度和鲁棒性不足的问题进行分析,首先,在Retinex-Net图像增强算法基础上融入了残差网络结构,提出F-Conv Net网络架构,显著提升了网络对图像的色度、饱和度、对比度和边缘细节的捕捉能力,有效地抑制噪声,极大地增强了算法在低照明条件下的可靠性。其次,对原始的YOLOv5模型进行改进:采用Fast Net技术改造C3模块,简化了模型复杂度;使用Ghost Net的Ghost Conv模块取代了CBS模块,减少了计算量和参数,提升了准确率;在模型的主干网络末端集成SE注意力模块,使得模型更小且更适合资源受限的设备。再次,进行手势分析:采用Mediapipe技术对检测到的手部区域进行关键点跟踪,并提取必要特征,利用朴素贝叶斯分类器强大的概率推理判断能力,展现出良好的鲁棒性;最后,通过实验证明,经改进后的算法在参数量减少了34.5%、计算量降低了34.9%、模型大小减轻了33.2%的同时,还能保持高达99.7%的平均识别率。此方法操作简易,效率高,展现了广泛的应用潜力。 本研究成果不仅增强了手势识别在智能电源管理的实用性,还为智能设备的交互设计提供了新思路。实践证明,深度学习技术即便在有限资源的环境中也能高效运作,这为智能家居和工业自动化等多个领域提供了新的技术途径。

关键词： 线驱动连续体机器人   脊柱仿生   机器人控制   张紧单元   BP神经网络   嵌入式系统  

摘要： 人口老龄化日益凸显,导致社会劳动力缺乏问题日益突出。因此,机器人正在由工业领域走向全社会全领域。传统的刚性连杆机器人由于其结构的笨重,难以胜任非结构化环境,完成人机协作等工作。连续体机器人作为柔性机器人的一种,因其出色的可连续变形能力及环境适应性,逐渐成为机器人领域的研究热点。 本文设计并实现了一款受人体脊柱结构启发的线驱动连续体机器人。首先分析了人体脊柱的功能特点,基于此设计了线驱动连续体机器人的主体结构。其次,对其进行了运动学分析,提出了一种基于BP神经网络的逆运动学求解和开环控制算法。再次,设计并实现了线驱动连续体机器人的张紧单元装置,并提出了基于卡尔曼-最小二乘法的距离补偿算法。然后,设计了线驱动连续体机器人控制器的硬件系统及软件系统。最后,对该机器人进行了实验分析。通过超声波标定实验,验证了基于超声波测距模块的张紧单元能够有效地检测预期外的距离变化,并对其进行运动补偿;通过定位实验及重复定位实验,测试了基于BP神经网络的开环控制算法性能。实验表明,该算法能够准确地控制该线驱动连续体机器人运动。 本文的主要研究内容如下: (1)针对人体脊柱的功能与结构特点进行分析,设计了脊柱式线驱动连续体机器人的整体结构。针对线驱动机器人在驱动过程中,驱动绳会变松的问题,设计了一种带有超声波测距模块的张紧单元。 (2)设计了脊柱式线驱动连续体机器人控制器的硬件系统。设计了脊柱式线驱动连续体机器人控制器的软件系统。提出一种基于BP神经网络的开环控制算法。提出基于卡尔曼-最小二乘法的距离补偿算法。 (3)开展了超声波距离补偿装置的标定实验,验证了其对于预期外驱动绳长变化能够有效补偿。此外,对线驱动连续体机器人进行了定位实验及重复定位实验,实验验证了该线驱动连续体机器人有着良好的控制精度。

关键词： 钛酸锂电池   熵热   在线产热预测   神经网络   嵌入式系统  

摘要： 钛酸锂电池广泛应用于轨道交通领域,其性能在不同温度下呈现出显著的差异。确保电池在不同工况下拥有可靠、安全的性能,是电池技术发展面临的重要课题。为此,用于电池热管理系统的在线产热预测是目前的一大热点,急需重点研究。本课题针对上述钛酸锂电池的在线产热预测,从产热建模、数据驱动建模、在线预测三个方面开展了研究,全文内容如下: 首先,本文基于热力学定律,通过公式推导和分析,详细阐述了电池在充放电过程中内能与热量、功之间的关系,特别是熵变和焓变的表现形式。通过熵热系数、温度与荷电状态(State of Charge,SOC)的关系对开路电压进行修正,建立了考虑熵热的产热等效电路模型,提出了基于等效电路模型的产热计算方法。此方法提高了产热计算的准确性,为电池在不同工况下的热行为和性能变化特性提供了模型支撑。 其次,通过5℃、15℃、25℃、45℃四个温度下的25 Ah钛酸锂电池的开路电压,拟合得到不同SOC下的熵热系数。根据得到的熵热系数,结合产热等效电路模型,计算了三种温度、四种倍率共12个恒流工况下的产热数据,为后续的产热预测数据驱动模型提供了数据支持。 然后,建立了三种基于数据驱动的神经网络钛酸锂电池的产热预测模型——多层感知机、循环神经网络和长短期记忆网络。模型的输入参数均为起始SOC、截止SOC、电流和温度,输出参数为产热量。通过比较三种模型在不同充、放电工况下的产热预测精度、推理速度和模型大小,选择了最适合在嵌入式系统中部署的多层感知机模型。相较于其他两种模型,多层感知机模型在保持较高预测精度的同时,具有更小的模型体积和更短的推理时间,因此更适合在资源有限的嵌入式系统中应用。 最后,将多层感知机模型转换成Tensor Flow Lite模型,通过Cube AI部署在STM32嵌入式系统中。通过对比分析嵌入式系统和主机的充电、放电的产热预测精度,表明模型在嵌入式系统中几乎没有精度损失,并且与真实数据的误差基本在10%以内。模型所需内存仅19.57KB,单次推理时间仅需0.073 ms,实现了考虑熵热的钛酸锂电池产热的在线预测。

关键词： 塑料颗粒   嵌入式系统   干燥机   温度控制   FreeRTOS  

摘要： 近年来,随着低压注塑技术的发展,各行各业对注塑产品的质量要求越来越高。注塑产品的质量很大程度上与塑料颗粒的含水率有关,因此塑料颗粒干燥预处理成为生产过程中的关键环节。我国在塑料颗粒干燥领域的研究相对较少,常用的干燥设备存在效率不高、操作不便、适用性受限、自动化程度低等诸多问题。针对以上问题,论文研究开发了一款基于嵌入式系统的塑料颗粒干燥机。 论文通过研究塑料颗粒干燥工作原理及相关工艺流程确定了嵌入式系统整体方案设计。首先进行了塑料颗粒干燥机温度控制系统研究,通过对干燥容器进行有限元仿真分析确定空气分配管的出风口大小,保证干燥均匀性;通过对干燥系统传热分析确定干燥机温度控制单元模型,并对比常规PID和Fuzzy-PID算法,选取效果更好的Fuzzy-PID算法实现温度控制,可以达到±1℃的温度控制精度。 其次,基于STM32F103型微处理器进行最小系统设计及外围硬件电路设计,设计了塑料颗粒干燥机专用的嵌入式控制器平台。在此基础上,引入嵌入式实时操作系统Free RTOS进行塑料颗粒干燥机的控制器软件设计,通过多任务设计提高系统运行效率;同时,基于Visual TFT平台进行上位机软件开发,设计了友好的干燥机人机交互界面。 最后,论文搭建了塑料颗粒干燥机的测试试验平台并对其进行了单元测试和性能测试,结果表明本文开发的塑料颗粒干燥机效率高、自动化程度高,塑料干燥后的含水率低至0.02%,满足低压注塑的生产需求;且与传统的热风干燥设备相比,干燥均匀、干燥效率提升了30%,具有广阔的应用前景和市场价值。

关键词： 锂电池产线   供料设备   嵌入式系统   FreeRTOS   模糊PID控制  

摘要： 供料设备被广泛应用于工业生产的各个领域,其中包含锂电池正负极材料生产线。供料环节是整个生产线的第一道工序,它的工作效率严重制约着整条生产线的生产效率。目前,供料设备使用的是可编程逻辑控制器(Programmable Logic Controller,PLC)控制,由于PLC自身技术的限制,在实际生产过程中无法兼顾供料精度与工作效率,且PLC成本较高。针对上述问题,本文设计一种基于FreeRTOS的嵌入式新型供料设备控制系统,以取代现有的PLC控制,并结合Fuzzy-PID控制算法,实现在确保供料精度的同时提高设备运行效率的目标。 首先,本文通过研究供料设备的组成结构以及控制运行原理,确定嵌入式控制系统整体方案设计。硬件方面,基于STM32H743微处理器进行最小系统设计及外围功能模块设计,搭建供料设备控制系统的嵌入式硬件平台;软件方面,引入FreeRTOS实时操作系统,在此基础上设计供料系统的控制软件任务,通过多任务调度和任务间通信提高系统稳定性和控制实时性;同时基于MCGS组态进行人机交互界面、设备状态检测及生产数据记录的上位机软件开发。 其次,通过对供料过程的研究,分析多种误差因素并提出相应的校正方法;鉴于供料设备控制系统属于非线性控制系统,通过引入Fuzzy-PID算法来进一步提高供料的控制精度;并基于Matlab-Simulink完成对供料控制系统的建模仿真分析,分析对比Fuzzy-PID与传统PID的控制效果;仿真结果表明,使用Fuzzy-PID的供料控制系统具有更高的控制精度以及更强的抗扰动能力。 最后,通过对该系统进行功能模块测试和整机实际生产测试验证系统的可靠性。实验结果表明,本文设计的基于FreeRTOS的供料设备控制系统能有效控制供料设备的运行,供料误差低于0.5%;且相较于原系统工作效率提升42%。

关键词： 管道机器人   运动控制   天牛须PID控制   嵌入式系统   软硬件设计  

摘要： 管道广泛应用于工业、农业、城市建筑等领域,用于通风、输送气体、液体等,是生产生活领域的“生命之道”。管道投入使用后,随着年限的增长,管道壁可能因腐蚀而破裂,管道内部可能被堵塞,导致失能,从而带来经济损 失,因此需要对管道进行定期的检修。目前,管道检修大多采用人工方式,但某些管道,例如建筑内的通风管道,内部空间狭小,走向复杂,人工检测的效率低,效果差,难以满足检测的需求。 本文针对建筑内通风管道的检测需求,研究可变形管道机器人及其现代控制技术,主要工作及成果如下: (1)调研了管道机器人工作管道的情况,分析管道机器人的相关性能指标,给出管道机器人总体设计方案,论证管道机器人尺寸大小,设计翻越垂直台阶时,前后机械臂的动作流程,对机器人越障稳定性进行了分析,利用仿真技术验证越障动作的可行性。 (2)结合控制系统的设计方案进行了硬件设计,完成了机器人运动控制系统的硬件电路原理图和PCB图,包括最小系统电路、驱动电路等。 (3)建立了机器人运动学模型和直流电机模型,为提高系统控制器参数的调整效率,设计了基于天牛须算法(BAS)的PID控制器(BAS-PID),实现了参数的自寻优,仿真结果表明BAS-PID算法可以获得较好的控制性能。 (4)在所设计的硬件系统基础上,基于Keil v5开发环境,采用前后台架构,完成了机器人控制软件的设计,包括:主程序设计、串行通信模块设计、运动控制模块设计、电压检测模块设计等。 (5)对变形机器人的运动控制系统进行软硬件联调,在实验管道环境中,完成了直线行走、爬坡、翻越垂直障碍等实验,结果表明本文的设计实现了预期的目标。