基于轻量级深层卷积神经网络的花卉图像分类系统

为解决深层卷积神经网络（Deep convolutional neural network, DCNN）模型在算力弱、存储成本高的AI边缘计算设备上难以高效应用的现实问题,本文利用重量级网络辅助训练轻量级网络,设计了一种基于轻量级神经网络的花卉图像分类系统。首先利用重量级DCNN并结合迁移学习、爬虫技术与最大连通区域分割方法,构建了适用于轻量级网络训练的扩充花卉数据集。然后基于Tiny-darknet与Darknet-reference两种网络及扩充后的花卉数据集训练得到两种面向弱算力设备的轻量级DCNN模型。训练得到的两种花卉分类网络在Oxford102花卉数据集上的平均分类准确率可达98.07%与98.83%,模型大小分别为4 MB与28 MB,在AI边缘计算设备中具有较好的应用前景。     

基于无线传感网络的输电线路多变量分布式局域监测系统

针对输电线路的风振灾害监测,研制了一套基于ZigBee技术的多变量无线监测系统.系统的下位机由中央控制模块、射频传输模块、传感器模块和电源管理模块组成;采用低功耗16位单片机MSP430为主控芯片,实现了数据采集与传输.系统上位机通过TTL转接和无线数传模块进行串口通信.经实验室与现场应用验证,本系统抗干扰能力强,单通道采样率达1k,有效传输距离达300m,具有多工作点同步监测并向上位机实时回传数据的功能,能实现对杆塔和导线振动、动态应力/应变、风速等多参数的在线监测,为形成输电线路风振无线监测和灾害预警机制提供有效的技术手段.