基于4G/5G的车辆监测系统

为提高车辆驾驶的安全性,减少事故的发生以及人员、财产的损失,研发了一种基于4G/5G的车辆监测系统.通过STM32f407单片机驱动GPS定位器、气体酒精传感器等多种传感器,进行数据地采集,并通过串口转发到上层的Jetson Nano人工智能处理器、Jetson Nano驱动摄像头以及4G/5G模块,最后将数据上传到后台管理,对车辆进行实时监测.在误差允许的范围内,测试数据的准确率达到了80％,因此可运用此系统来提高车辆驾驶的安全性.     

面向智能移动终端关键制造过程质量建模及优化分析

针对目前智能移动终端制造过程存在产品质量一致性不高、影响产品质量指标因素不明确、质量分析智能化程度不高等问题，在智能移动终端SMT产线关键工艺机理研究基础上，关联产品质量与关键工艺参数，分析产品质量影响因素。以首道印锡工序为切入点，基于改进的k-means算法对SPI检测数据记录进行聚类分析，识别样本数据异常点。针对SPI检测异常数据基于Apriori算法构建产品质量与印锡工艺参数关联模型，以最小支持度和最小置信度为判断依据，分析产生异常质量指标的重要工艺因素。在此基础上，构建质量-工艺模型反向优化刮刀速度和压力、脱模速度和距离等印锡关键工艺参数，基于粒子群算法优化求解模型，在最优质量指标输出下最佳工艺参数动态组合，结果表明，当权重系数λ=0.1时，获得最佳工艺参数组合。     

基于人脸识别的车辆安全系统

研究运用卷积神经网络实现对司机的人脸识别,以提高车辆的安全性能.系统事先采集车辆司机的照片,进行模型的训练.在应用当中,通过摄像头采集驾驶位的驾驶人员图片,并运用树莓派上传到云服务器端,将采集到的照片导入已训练的模型,进行图片的识别.如若识别图片为司机,则开启汽车电源,否则将发送消息给车主,并发出警报和关闭汽车电池.经过测试,模型的识别率大于80％,因此可运用人脸识别技术来提高车辆的安全性.     

基于SLAM的机器人在车间运送中的应用

运送机器人主要通过电机、舵机、激光雷达、微控制器和树莓派等硬件设备组装而成,并在树莓派或计算机端的ROS系统运用建图、定位和路径规划等算法,实现机器人的自动避障和自主导航。实验发现机器人建立的地图能够描绘出机器人环境的大部分物体,路径规划和机器人的响应效果良好,并在误差允许范围内,地图中的定位可精确到70%。因此,可将SLAM机器人应用于车间运送,以提高车间的工作效率,节约人力成本。