ZigBee网络AODV路由算法改进

路由协议是Zigbee无线网路技术的研究重点之一。选择和设计高效的路由算法对于降低节点功耗,提高网络运行的稳定性具有重要意义。在ADOV协议的基础上,综合考虑了网络总体能耗和单节点能耗,提出了一种能耗均衡且兼顾通信实时性的改进的AODV路由协议,并进行了仿真验证。优化了网络的总体能耗和最大化了网络的生存时间,提高了网络的通信实时性。     

金纳米立方体的制备及其对水体污染物的SERS检测

孔雀石绿(Malachite Green, MG)作为水体污染和水产品安全中重点监控的污染物，一般方法难以进行快速检测。因此研究和开发操作简便、快速准确的孔雀石绿残留检测新方法具有非常重要的经济价值和社会价值。本实验基于表面增强拉曼光谱(Surface-enhanced Raman Spectroscopy, SERS)方法，采用种子生长法制备金纳米立方体作为SERS基底，对模拟的真实水样中不同浓度的MG溶液进行分析和检测，检测限低至10^-9 mol/L。实验结果表明SERS技术对孔雀石绿的检测具有较高的灵敏性和重现性，本研究工作将促进拉曼光谱技术在检测水体环境中污染物的应用。     

有轨电车路口优先雷达探测系统

针对有轨电车在通过路口时缺乏优先权的问题,本文提出一种有轨电车路口优先雷达探测系统,获取有轨电车的运行状态以及车辆前方站台候车人流状态.将该系统运用于公交汽车载体,经试运行,实现公交车平均提速10%,车辆通过路口时间平均减少9秒,效果显著.     

Nano—X图形引擎算法优化

Nano—X是一个基于客户端／服务器（C／S）#系结构的GUI,系统结构采用分层设计,包括设备驱动层、图形引擎层和应用接口层。Nano—X系统稳定且具有良好的可裁剪性和较高的实时性,但图形引擎中未采用任何反走样算法,图形存在较严重的图形阶梯现象。为解决这一问题,基于Wu反走样算法提出了一种新型快速反走样算法,通过降低运算量提高了算法快速性。仿真结果表明该算法提高了绘图效率,明显减少阶梯现象,同时算法具有较高的实时性。     

基于深度学习的牙模3D打印缺陷检测方法研究

牙模3D打印过程中出现的质量缺陷影响着牙模的外观和使用性能，严重时导致废品率高，造成时间、材料的浪费。为了减少牙模3D打印的废品率，提出了一种基于YOLOv5的牙模3D打印实时缺陷检测方案：首先获取多维度牙模缺陷图片，采用切图分割与数据增强处理等方式制作数据集，然后通过构建YOLOv5深度学习网络模型对牙模3D打印图像进行迭代训练，最后通过YOLOv5程序调用摄像头并使用训练后最佳权重值进行实时在线缺陷检测。通过实验对比，YOLOv5深度学习网络模型的检测准确率要高于Faster R-CNN、YOLOv3、SSD这3种模型，其检测平均准确度高达94.78%,平均检测时间为21 ms。结果表明该方法能够检测牙模3D打印过程中的质量缺陷问题。