排序方式: 共有22条查询结果,搜索用时 62 毫秒
1.
天津宁车沽防潮闸计算机监控系统 总被引:3,自引:1,他引:2
设计了一种以西门子公司CPU226PLC为核心的分布式闸门监控系统。该系统巧妙地利用了双自由口通信,合理设计了总线协议,使硬件配置达到最优,经济地构建了总线监控网络。系统的上位机还具有过闸流量计算公式自动修正的功能。 相似文献
2.
基于GPRS的闸门监控系统设计 总被引:3,自引:3,他引:0
利用通用分组无线电业务(GPRS)通信技术、可编程逻辑控制器(PLC)和RS-485总线设计了稳定、经济的分布式闸门监控系统。该系统采用Internet/数字数据网(DDN)和GPRS Modem方式接入无线通信网络,并根据闸门监控系统的运行特点,采用GPRS实时通信与短信服务(SMS)通信相结合的方式,不仅保证了系统通信的稳定性和平衡性,且优化了系统的运行成本。最后,对基于GPRS的闸门监控系统的经济性和适用性进行了讨论。 相似文献
3.
针对选煤厂水泵闸板阀开度需人工调节而无法实现集中控制的问题,提出了一种选煤厂水泵闸板阀开度线激光辅助视觉监控方法。采用线激光作为辅助检测手段来增加目标检测特征、避免光线变化对目标检测的影响,并利用视频监控系统采集闸板阀图像;采用模板匹配法对图像中目标进行定位,利用自适应阈值法检测出投射到闸板上的线激光,再经过腐蚀、膨胀等形态学操作使闸板上的线激光相邻断开区域连接,同时采用高斯滤波方法去除图像噪声,得到图像中线激光位置及长度,从而检测出闸板阀开度;PLC集中控制系统通过对比闸板阀开度检测值与设定值,实现闸板阀开度的闭环控制。实验结果表明,该方法在不同背景亮度条件下,均可准确定位闸板阀,提高了闸板阀开度检测准确性。 相似文献
4.
针对包含多类透明容器与多种液体的机械臂倒液任务,提出了一种不需要相机标定与标尺辅助的液位相对高度视觉检测方法与闭环控制方案。首先,分析了服务机器人倒液任务的特点,使用计算机视觉中的目标检测方法同时检测液体与容器,利用液体与容器的高度比例关系得到相对液位高度,避免了测量液位绝对高度所需的繁杂标定过程。其次,利用小孔成像模型对所提的相对液位高度检测方案进行几何建模与分析,推理出典型情形下测量的误差规律;再次,采集多种液体、多类容器的图像作为训练集来训练YOLOv5s,用于检测目标物以获得液位相对高度。测试结果验证了所提的液位检测方法的有效性,新方法对于训练集中未出现的新形状容器中的新液体的平均配对检出精度为86.7%;最后,为了避免求解或估计视觉伺服理论中复杂的雅可比矩阵,将求得的相对液位高度与PD控制结合组成液位闭环控制系统。系统使用相同的PD控制器参数在两种倒液平台上的多类倒液任务中均取得成功,验证了液位闭环控制方案的有效性与鲁棒性。 相似文献
5.
本文对“计算机网络与数据库”课程的教学内容、考核方式和教学方法进行了改革。计算机网络部分的教学注重与新兴技术、工业自动化网络的衔接,强调理论与实践并重。数据库部分教学重点培养学生利用网络进行自主学习的能力。仿真法、案例法、类比法和项目驱动法等多样的教学方法被合理地应用在课程中。实践结果表明教改取得较好的效果。 相似文献
6.
针对当前抓取检测模型对密集遮挡物体的检测效果差以及人工数据标注工作量大的问题,提出基于RGB-D图像融合的目标检测与抓取检测分步骤进行的改进方案.新方案支持将单物体图像训练的抓取检测模型直接应用于密集遮挡的多物体图像场景中.首先,考虑到密集遮挡场景下抓取物具有多尺度的特点,提出子阶段路径聚合(SPA)的多尺度特征融合模块,用于丰富RGB-D特征级别融合的目标检测模型SPA-YOLO-Fusion的高维语义特征信息,以便于检测模型定位所有的抓取物;其次,使用基于RGB-D像素级别融合的GR-ConvNet抓取检测模型估计每个物体的抓取点,并提出背景填充的图像预处理算法来降低密集遮挡物体的相互影响;最后,使用机械臂对目标点进行抓取.在LineMOD数据集上对目标检测模型进行测试,实验结果表明SPA-YOLO-Fusion的mAP比YOLOv3-tiny与YOLOv4-tiny分别提高了10%与7%.从实际场景中采集图像制作YODO_Grasp抓取检测数据集并进行测试,结果表明增加背景填充预处理算法的GR-ConvNet的抓取检测精度比原模型提高了23%. 相似文献
7.
8.
9.
一种面向多源领域的实例迁移学习 总被引:1,自引:0,他引:1
在迁移学习最大的特点就是利用相关领域的知识来帮助完成目标领域中的学习任务,它能够有效地在相似的领域或任务之间进行信息的共享和迁移,使传统的从零开始的学习变成可积累的学习,具有成本低、效率高等优点.针对源领域数据和目标领域数据分布类似的情况,提出一种基于多源动态TrAdaBoost的实例迁移学习方法.该方法考虑多个源领域知识,使得目标任务的学习可以充分利用所有源领域信息,每次训练候选分类器时,所有源领域样本都参与学习,可以获得有利于目标任务学习的有用信息,从而避免负迁移的产生.理论分析验证了所提算法较单源迁移的优势,以及加入动态因子改善了源权重收敛导致的权重熵由源样本转移到目标样本的问题.实验结果验证了此算法在提高识别率方面的优势. 相似文献
10.