排序方式: 共有54条查询结果,搜索用时 0 毫秒
21.
针对目前大锥角圆锥滚子轴承内圈大挡边越程槽M2max尺寸设计方法造成内圈滚道磨削出现留边的问题,根据内圈和砂轮的几何关系,推出了一种简单的M2max尺寸设计方法,并进行了实例验证,避免了留边现象。 相似文献
22.
24.
深度信息的获取是场景解析中是非常重要的环节,主要分为传感器获取与图像处理两种方法。传感器技术对环境要求很高,因此图像处理为更通用的方法。传统的方法通过双目立体标定,利用几何关系得到深度,但仍因为环境因素限制诸多。因此,作为最贴近实际情况的方法,单目图像深度估计具有极大研究价值。为此,针对单目图像深度估计,提出了一种基于DenseNet的单目图像深度估计方法,该方法利用多尺度卷积神经网络分别采集全局特征、局部特征;加入了DenseNet结构,利用DenseNet强特征传递、特征重用等特点,优化特征采集过程。通过NYU Depth V2数据集上验证了模型的有效性,实验结果表明,该方法的预测结果平均相对误差为0.119,均方根误差为0.547,对数空间平均误差为0.052。 相似文献
25.
本文设计了一种适合资源紧凑型嵌入式设备的固件升级策略,使用文件差分和LZO压缩算法生成升级包,将嵌入式设备存储空间划分为BootLoader区域和应用程序区域,并在BootLoader中实现解压缩及解差分,以完成应用程序的升级。最终在STM32平台上进行实验,结果表明在升级过程中,在减少数据传输量的同时还降低了嵌入式设备的内存使用率。 相似文献
26.
27.
针对将深度学习用于工件检测环境中计算资源受限的问题,提出了一种基于改进YOLOv4的工件表面缺陷检测方法。首先,使用轻量化网络模型MobileNetV2替换YOLOv4原有的主干特征提取网络,并使用深度可分离卷积替换掉YOLOv4中使用的3×3标准卷积,大幅减小模型的参数规模,提升模型的检测速度;其次,提出一种图像预处理方法,在输入检测网络前定位并裁取出图像中工件的区域;最后,由于YOLOv4已有的Mosaic数据增强方法在自制VOC数据集上表现不佳,引入一种新的数据增强方法以防止训练过程产生过拟合现象。实验结果表明,该方法对工件缺陷的检测精度达到90.63%,检测速度为每秒34.56帧,相较于原始YOLOv4模型,模型规模减小82.1%,检测精度提升了2%,检测速度提升了150%;与SSD和Faster R-CNN等模型相比较,该模型在检测速度和检测精度上有着出色的综合表现,能够针对工件银面缺陷进行高效的检测。 相似文献
28.
为了实现用电设备运行状况的远程监测,需要对设备运行时的电能参数进行采集并上报至云平台。针对上述目的,本项目设计了一种基于LoRa自组网技术的电能采集系统,整个系统主要由数据采集节点和集中器组成。数据采集节点采用RN8209电能计量芯片实现负载电能数据的精确采集,并通过LoRa通信模块将数据发送至集中器。集中器采用了基于NB-IoT通信模块和LoRa通信模块的双模组设计,通过LoRa模块接收节点上报的数据,并通过NB-IoT模块转发至物联网云平台。本系统利用LoRa载波侦听技术设计了基于CSMA/CA的星型自组网络,实现了节点与集中器间的无线通信,适用于低成本、小规模的远程电能数据采集系统。通过实验验证,该方案的数据采集功能、LoRa自组网通信功能和NB-IoT通信功能均能够正常实现,达到了设计目标。 相似文献
29.
为解决现有CC2430无线数据收发程序代码量庞大,结构不清晰,关键源码不公开等问题,提出一种基于TinyOS的CC2430无线数据收发设计方案。在分析CC2430性能的基础上,设计一种基于DMA的节点收发机制,配置DMA的源和目的地址寄存器、数据长度寄存器以及触发模式寄存器,并根据DMA操作流程给出数据发送和接收流程图。基于TinyOS的组件结构,给出了包括DMA数据收发、简单MAC协议、定时器和串口的组件配置文件。编译结果表明该方法结构简单,占用RAM为11字节,占用程序空间少于7KB。在CC2430节点上的运行结果表明在节点通信范围内.在各种网络负载下节点间数据收发成功率和正确率均达到100%。 相似文献
30.
本文介绍了笔者研制的两种专门用于修复陶瓷文物的新型粘接剂的性能特征,使用操作方法,及用其对近二十件秦汉,汉,宋,清时代的破损陶瓷文物进行了粘接修复实验的效果。 相似文献