深度学习的移动端可视耳标检测识别研究

随着产业数字化发展,智能养殖技术也是其中重要一环.为了防控各类疾病、改良品种质量、肉制品质量溯源以及改善农业虚假假保险索赔现象,可通过移动式或固定式的智能终端设备进行实时、精准的智能化采集与录入大群体的生产数据,实现快速、精准确定猪只个体身份.本系统通过对猪只数据进行数据采集,在树莓派这一优秀的硬件基础之上,以轻量级的...     

基于深度学习的端到端乐谱音符识别

光学乐谱识别是音乐信息检索中一项重要技术,音符识别是乐谱识别及其关键的部分.针对目前乐谱图像音符识别精度低、步骤冗杂等问题,设计了基于深度学习的端到端音符识别模型.该模型利用深度卷积神经网络,以整张乐谱图像为输入,直接输出音符的时值和音高.在数据预处理上,通过解析Music XML文件获得模型训练所需的乐谱图像和对应的标签数据,标签数据是由音符音高、音符时值和音符坐标组成的向量,因此模型通过训练来学习标签向量将音符识别任务转化为检测、分类任务.之后添加噪声、随机裁剪等数据增强方法来增加数据的多样性,使得训练出的模型更加鲁棒;在模型设计上,基于darknet53基础网络和特征融合技术,设计端到端的目标检测模型来识别音符.用深度神经网络darknet53提取乐谱图像特征图,让该特征图上的音符有足够大的感受野,之后将神经网络上层特征图和该特征图进行拼接,完成特征融合使得音符有更明显的特征纹理,从而让模型能够检测到音符这类小物体.该模型采用多任务学习,同时学习音高、时值的分类任务和音符坐标的回归任务,提高了模型的泛化能力.最后在Muse Score生成的测试集上对该模型进行测试,音符识别精度高...     

一种基于深度学习的移动端隐写方法

隐写是隐蔽通信的主流方法之一,而移动端则是当下最常用的通信设备,二者的结合研究具有较高的实际意义.近年来,基于深度学习的隐写方法得到快速发展,然而在性能提升的同时,各类网络结构向着更复杂、庞大的方向演变,逐渐脱离以隐蔽通信为核心的实际应用场景,实用性较低.针对这一现象,本文提出一种适用于移动端的轻量级图像隐写方法.对网络整体进行轻量化设计,结合深度可分离卷积降低模型计算量,在精度和速度之间取得较好的折中平衡.以生成对抗网络的思想,将编码器、解码器和判别器构成的整体模型纳入对抗训练中,使子网络在迭代对弈中实现螺旋式上升发展.为应对真实环境下的各类挑战,模型被落地部署于移动设备上进行真机实验.在移动端,精简后的模型性能会出现小幅下降.对此,在方法中引入BCH纠错码以确保正确提取信息.实验结果表明,该移动端隐写方法生成图像质量好,且具有较高的响应速度,能满足现代社会中人们对便捷性的高要求.值得注意的是,该方法的所有计算工作均可在移动端独立完成,不需要通过网络请求服务器,能避免网络窃听攻击.     

教学辅助平台的移动端设计与实现

基于Javaweb和PHP的服务端,Android 4.4的移动客户端,设计并实现了一套集师生交流、教学管理和学生能力测试为一体的移动教学辅助系统。该系统包括论坛子系统、作业子系统、考试子系统和视频点播下载子系统4个模块。在数据存储方面,服务端采用My SQL数据库,客户端采用SQLite数据库。通过使用Android Junit对系统功能进行测试,结果显示系统基本达到设计要求。     

基于用户感知的移动数据业务端到端优化

利用LTE信令监测系统的信令数据对XDR数据的完整性、规范性和准确性进行核查,提升XDR数据质量.完善感知问题,如综合业务低速率质差小区、频繁乒乓TAU问题、质差互联网网元的定界方法,提高问题定界和定位的准确性.以高铁通信网络质量分析及优化为例,拓展信令数据在端到端业务感知质量提升中的支撑能力.端到端优化效果的大量数据表明,用户感知质量指标得到持续提升.     

基于端到端深度神经网络的语音情感识别研究

语音情感识别是实现自然人机交互的重要组成部分,传统语音情感识别系统主要集中于特征提取和模型构建.本文提出一种将深度神经网络直接应用于原始信号的语音情感识别方法.原始语音数据携带了语音信号的情感信息、二维空间信息和时序上下文信息.建立的模型以端到端的方式进行训练,网络自动学习原始语音信号的特征表示,无需手工特征提取步骤....     

基于智能手机的移动学习系统设计

移动通信技术及移动终端设备的发展使移动学习的普遍使用变为可能.移动学习系统的设计是否合理是影响移动学习广泛推广的重要因素,就此提出的移动学习系统设计模型,包含学习模块、管理模块、支持服务、统计分析功能,考虑到移动学习特殊性的同时能够满足学生的基本学习需求.     

改进的基于端到端学习的蜻蜓目昆虫识别算法

[目的]传统的蜻蜓目(Odonata)昆虫的鉴别算法是在标本图片上进行人工的特征提取来训练分类器,此类方法所用的数据集包含的蜻蜓目昆虫种类和数量均较少,并且样本背景单一,导致识别率低且只能识别标本图片.针对这些问题制作了一个同时包含蜻蜓目昆虫生态图片和标本图片的数据集,提出一种基于深度学习的蜻蜓目昆虫的识别算法.[方法...     

基于PLC和移动专线局域网的水厂及水源井自控系统设计和建设

介绍了石嘴山市第二自来水厂PLC自动控制系统及水源井PLC自动控制系统的构成和特点,结合本项目工艺设备的控制、监测以及运行,总结了有关水厂自控系统设计以及建设维护方面的一些经验。     

基于移动Agent的个性化学习系统

针对学生学习过程中个体的差异，着重探讨了智能代理技术和基于案例推理在个性化学习中的应用，给出一个基于移动智能代理的网络化学习环境，讨论了该学习环境的体系结构、工作过程、推理机制、主要功能及其实现机制，最后利用Aglet移动Agent平台对系统进行了实现．     

基于移动Agent的个性化学习系统

针对学生学习过程中个体的差异,着重探讨了智能代理技术和基于案例推理在个性化学习中的应用,给出一个基于移动智能代理的网络化学习环境,讨论了该学习环境的体系结构、工作过程、推理机制、主要功能及其实现机制,最后利用Aglet移动Agent平台对系统进行了实现.     

基于移动Agent的智能培训系统的设计

文章在分析了移动Agent在分布式计算中所具有的技术优势的基础上,提出了把移动Agent技术与网络培训相结合的思想,设计了一个基于移动Agent的智能培训系统模型,并详细讨论了系统实现的关键技术.该系统充分利用了移动Agent的移动性和智能性特点,较好地解决了网络培训中个性化教学等一系列问题.     

基于GSM短消息的远程电源监控系统设计

介绍了基于短消息业务的远程电源监控系统的组成结构和设计方案。在硬件设计上,采用高精度霍尔传感器ACS704ELC采集信号,MCU使用Microchip公司的高速CMOS处理器PIC18f4585,采用DS1302实时时钟芯片记录发生异常事件的时间并组包由短信模块TC35i发送到GSM公网。软件方面,选择PDU(ProtocolDataUnit,协议数据单元)短信模式,编码方式采用7 bit编码。短消息的接收和发送通过AT指令实现,并重点介绍了TC35i模块的初始化和短信处理模块的程序设计。该系统利用GSM移动通讯网络短信息服务快捷的性能和相对低廉的收费,可嵌入大型工业监控系统、无人值守系统,通过监控整个系统工作电源的情况来监控整个系统是否正常工作,以满足这些系统所需的高可靠性、高实时性和维护方便性等要求,可用于监测点分散、数据传送量较少、需要实时监控的领域。经实际应用,该系统性能稳定。     

基于移动网络的导游学习系统

设计了一种体验式移动导游学习系统,导游可在任意时间、地点和运动状态下从事学习活动;讨论了移动学习时,多源教学数据一体化传输机制和运动状态下基于语义对等的模糊人机交互策略等关键技术;以北京奥运场馆移动学习为例,验证了移动导游学习系统实际应用的可行性,分析了移动导游学习模式的优点,并提出了下一步的研究方向.     

基于学习对象的移动学习资源设计

学习资源是学习有效开展的前提条件。随着研究的不断深入,移动学习必然会打破各自为政的资源设计与开发模式,可重用、可共享的资源构件将成为首选。通过剖析影响移动学习内容传递的因素,提出了基于学习对象设计移动学习资源的构想,并根据移动学习特征对"学习对象"的组成、粒度、重用性进行了探讨。     

基于黑莓手机的QR码识别系统

首次将QR码识别技术应用于黑莓手机.在深入研究QR码图像处理技术和解码技术的基础之上,针对黑莓手机处理能力有限的问题,设计了有效的QR码图像识别算法,最终在黑莓手机开发平台(Black Berry JDE4.6.1)上开发出QR码识别系统,并在黑莓手机8320上实际应用.测试结果表明,该系统能够通过拍照识别QR码信息,并满足时间和准确度的要求.     

基于JQuery Mobile的移动OPAC系统的设计与实现

分析了JQuery Mobile的技术特点以及目前国内移动图书馆OPAC系统发展现状,以广东省科技图书馆为例,探讨了基于JQuery Mobile技术的移动OPAC系统的设计和实现过程。     

基于GPRS的远程监控系统的研究

文章把移动通信中的GPRS网络应用于传统的工控系统,提出了一种基于GPRS的远程监 控系统。该系统充分利用移动通信技术的优点,具有高可靠性、高数据传输率等优点。最后通过汽车衡 计量GPRS工业控制系统的实现表明,该系统具有传统工控系统所不具有的特点。     

基于深度学习的激光同步定位与地图构建移动机器人可定位性研究

高精度定位是移动机器人执行上层任务的基础,也是直接影响其他任务执行效果的首要问题。可定位性是对定位精度好坏的度量,对可定位性的预估可以使机器人提早避开难以准确定位的区域提高其他任务的成功率。以常用的地图匹配和航迹推算融合实现定位的方法为研究对象,分析了其工作机理,针对定位算法中航迹推算与地图匹配分别设计不同的神经网络模块,形成一种由卷积神经网络（CNN）、长短期记忆神经网络（LSTM）和多层全连接神经网络（MLFC）组成的多模块深度神经网络模型（MMN）。该方法以定位熵表征可定位性,以CNN网络预估地图匹配定位熵,以LSTM网络估计航迹推算定位熵,以MLFC估计前两者融合后的定位熵,从而实现对移动机器人可定位性的估计。仿真和实验结果表明,该模型能够准确估计给定地图上机器人的可定位性,预测熵与实测熵相比误差小于5%。