基于轻量神经网络的钢材表面缺陷快速识别

为满足生产环境中钢材表面缺陷实时分类识别的需求,提出一种可部署于移动端的轻量卷积神经网络模型用于高效识别钢材表面缺陷。通过知识蒸馏将ResNet50和MobileNetV3分别作为教师模型和学生模型,生成改进的轻量神经网络模型MobileNetV3_small_tp。利用MobileNetV3_small_tp作为预训练模型,选用NEU带钢表面缺陷数据集进行微调,同时使用数据增强以模拟实际工况,得到模型在测试集中精度达到100%。最后将模型部署于手机上进行实际钢材表面缺陷识别,移动端模型测试、验证以及实际检测结果均显示MobileNetV3_small_tp模型具有流畅的运行速度和较高的识别率,能够实现现场钢材表面缺陷的准确高效识别。     

基于数据挖掘的双卡用户识别模型研究

手机双卡用户是在我国移动设备高度普及以及运营商激烈竞争的背景下出现的,并在各运营商竞争中耗费了大量营销资源。基于对手机双卡用户的分析,制定了识别规则与流程,建立了识别模型,并通过对手机双卡用户的识别,助力运营商开展营销活动,提升用户黏性,减少用户流失。     

基于Android 平台智能手机的车牌快速识别系统

为提高交警处理突发事件及日常巡查工作的效率,提出了一种基于Android 平台和4G 网络传输的车牌快速识别系统方法。该方法利用4G 网络将移动端拍摄的图片传输到远程服务器,识别车牌号。利用车牌号在违章信息库中查询,并将查询结果实时回传到手机客户端。智能手机作为移动端,利用JAVA 对UI( User Interface) 界面进行布局,实现拍照、显示、信息录入等功能。实验结果表明,该APP 界面简洁,操作方便,系统功能齐全,能有效提升交警处理突发事件及日常巡查工作效率,从而缓解执法过程带来的交通拥堵问题。     

基于SVM的人脸表情识别

以人脸表情视频序列为研究对象,介绍了人脸表情识别的一般过程,给出了基于SVM的人脸表情识别方法,讨论了面部表情强度度量方法。通过分析人脸表情的变化,在L-K光流算法基础上应用修正的特征点跟踪方法提取面部特征信息,使用SVM建立人脸表情模型和强度模型,进行表情识别,并对高兴表情进行强度等级分类。实验结果证明了提出方法的有效性。     

基于DSR系统的嵌入式语音拨号系统设计

采用分布武语音识别(DSR)模式来设计和实现手机的语音拨号系统：在手机端进行特征参数的提取,然后通过无线信道传输到服务器端进行识别与训练,最后把结果送回到手机端。通过试验发现,该语音拨号系统识别率在90％以上,并且大大提高了语音质量和识别的速度。     

基于Android平台的PT系统App设计与实现

基于IPv6环境下校园私用种子服务器(Private Tracker,PT)日渐成熟,移动互联网时代用户越来越倾向于使用手机端访问PT,但这类系统的手机APP版本在高校应用中还不太多见。西北农林科技大学基于学校所建麦田PT平台,解决了其中的一些技术瓶颈,所采用技术兼容Android,克服了其中一些关键的bug,基于Lite Orm框架在android4.0基础下进行麦田PT的App设计,实现了手机端的平台页面访问、资源远程下载、远程保种、平台登录、签到以及麦粒获取等功能。测试结果表明,该系统运行稳定、使用方便,可较好地满足学校师生基于移动端访问麦田PT的需求。     

Android平台远程视频监控系统的设计与实现

基于Android平台,设计一套远程视频监控系统.该系统由客户端和远程端构成,客户端基于Android平台的Socket通信、界面绘制、MJPEG视频解析等技术开发;远程端通过ARM9硬件系统采集处理图像、发送视频数据、接收并执行指令等.对该系统进行测试,结果表明,用户使用客户端可以实时视频监视远程端周边环境,通过图形界面遥控远程端机械载体;远程端能够采集视频回传至客户端,并根据客户端指令移动位置、变换视角.系统对无线网络适应能力较强、监控界面方便友好、可扩展性较高,能满足远程视频监控需求.     

智能家居安防与护理机器人研究与设计

本文研究的一款智能家居安防与护理机器人,整个系统由三大子部分构成,分别为STM32为核心的下位机移动平台,笔记本电脑及C#开发的上位机系统,安卓智能手机控制端。这三部分通过连接WIFI建立无线网络,并可以通过TCP协议互相通信,通过UDP协议进行视频传输。配有视觉模块与巡逻程序可实现在家庭环境中自动沿墙体进行移动,并可把数据发送至远程手机等智能终端设备来实时了解家居环境情况,实现家庭安防功能。同时配备一个储物柜,可以定时完成物品的运输功能,实现了一定的护理功能。     

基于轻量级CNN的作物病虫害识别及安卓端应用

针对传统病虫害图像识别方法流程繁琐、效果差和应用困难等问题,本文以番茄、玉米、马铃薯3类作物17种叶部病虫害图片为研究对象,通过改进MobileNetV3网络模型并部署到移动端,实现了对多种作物病虫害图像的有效分类。首先,对病虫害图像做随机裁剪、旋转等预处理操作,对不均衡样本进行数据扩充;然后,将MobileNetV3网络从ImageNet数据集上学习获得的先验知识通过迁移学习策略应用到病虫害数据集上,经过参数微调并采用RAdam优化器训练后得到改进的轻量级网络模型;最后,将该模型通过Android Studio开发软件移植到安卓手机端。实验结果表明,该模型具有精度高、占用内存小、识别速度快等优势,能够满足对农作物叶片病虫害检测的基本要求,对智慧农业的发展具有参考意义。     

基于随机权重分配策略的面目表情识别

为了提高面部表情识别的精确度,提出了一种基于数据增强策略面部表情识别,区别于普通的在线随机数据增强,将实验用到的训练数据集采用附加不同的权重分配策略进行增强数据,并随机生成每次训练时的权重,保证其训练数据的多样性并通过比较实验结果得出哪种权重的分布策略适用于面部表情识别数据集的增强,同时解决了面部表情识别因数据集缺乏多样性识别精度不高等问题,提升了人脸表情识别的准确性和鲁棒性,此外还利用VGG19特征提取网络,通过从数据中学习鲁棒性和区分性特征,来实现高精度的面部表情识别。实验结果表明,使用该方式增强后的数据进行训练的模型在Fer2013和扩展Cohn-Kanade （CK+）数据库上对7种表情的识别率相比其原始数据集均有提升。     

远程终端可控AI门禁系统

为解决传统门禁系统安全性低、用户体验差、无法满足社会对于智能家居的需求问题,开发了一种基于远程终端可控的人工智能门禁系统。该系统以因特尔UP2 嵌入式平台为硬件基础,乌班图操作系统为软件基础,融合人脸识别、指纹识别、语音识别、射频卡识别等技术,采用PyQt 语言编写图形界面,通过搭建云端服务器,实现远程终端控制。该系统集成了多种身份识别及开锁方式,实现开锁的智能化、便捷化,并能较好地适应不同的生活情境,同时采用多种识别方式组合验证,改善了门禁系统的安全性。     

一种具有生理参数监测功能的智能家居系统

本研究以人体生理参数和家庭安防情况为监控对象,采用ZigBee协议构建了智能家居安防无线网络．系统配置了短信模块,使得用户可以使用手机通过GSM网络实现对系统的远程访问和控制．该系统不仅实现了对家庭安防情况的实时监测,也实现了对家人情况的实时监测,切实体现了智能家居智能化、人性化的设计理念．     

基于FPGA的动态家居安防系统的设计

为了实现在减少Zigbee网络节点的前提下,又能实时捕捉用户所需信息的目标,提出了一种基于现场可编程逻辑阵列(FPGA)芯片———Zynq的动态智能家居系统.该系统采用智能小车作为移动网关,Zigbee作网络节点,用Sim300 GSM模块来实现短信收发功能.远程用户能够实时获取家里的信息;并且可以用短信以及Internet与智能家居网关进行通信,从而实现对智能家居系统的远程控制.     

路径预设的移动机器人设计

 为实现具有环境自适应能力的全方位移动的机器人,分析了当前移动机器人运动路径规划中存在的问题,提出一种路径预设移动机器人的设计方案。该系统由移动机器人和无线遥控器两个部分组成,采用霍尔传感器、红外避障传感器和电子指南针等多种传感器的融合,实现移动机器人的精确移动、路径学习和信息存储。从记录模式和移动模式两个方面阐述了系统工作流程。调试结果表明,设计提出的移动机器人能搭载各种设备,完成按预设路径移动并反向返回的功能,适于在智能家居等环境中进行监控采集等应用。     

基于核相关分析算法的情感识别模型

针对目前情感识别模型中存在的识别精度低、速度慢等问题,设计一种基于核相关分析算法的情感识别模型.首先对目前情感识别的研究现状进行分析,找出导致识别精度低的原因;然后提取情感识别的特征,并通过核相关分析算法选择最优情感识别的特征子集,减少情感识别的特征向量数;最后选择高斯混合模型对情感识别的训练集进行建模,并通过具体情感数据集进行仿真实验.实验结果表明,核相关分析算法可有效去除情感识别的不利特征,加快了情感识别速度,提高了情感识别的正确率.     

基于混合神经网络的脑电情感识别

为保留脑电(Electroencephalogram,EEG)空间信息的同时充分挖掘EEG时序相关信息,提出了一种三维卷积神经网络(3-Dimensional Convolutional Neural Networks,3D-CNN)结合双向长短期记忆神经网络(Bidirectional Long Short-term...     

基于ITS模型的短波宽带移动信道建模与仿真

短波宽带移动信道模型是远程机动平台移动通信系统性能分析评估的基础,现有短波宽带信道模型不能有效表征机动平台移动信道快时变多普勒效应,难以适应机动平台短波移动通信需要。鉴于此,在分析机动平台行为模式与信道时变多普勒效应的映射关系基础上,推导出了机动平台移动信道冲激响应表达式,基于ITS(international telecommunication society)模型提出了一种适用于固定与机动不同场景、不同传播模式、宽窄带融合的短波通信信道模型。利用信道冲激响应与信道散射函数从时域色散、频域色散两个维度对本文信道模型的有效性进行了验证。结果表明,该信道模型能够基于机动平台运动轨迹实现时变多普勒效应传播复现与信道模拟;也能在运动轨迹未知情况下,基于飞行器种类、机动频率等先验信息,实现具有各态历经性的机动平台短波宽带信道仿真,对机动平台短波移动通信系统效能评估有重要意义。     

移动地理信息系统数据模型与3S集成关键技术

在掌上电脑硬件平台下，对地理信息系统（GIS）数据模型进行了研究．通过比较与分析，提出了一种面向对象的移动GIS数据模型，设计和实现了一个移动地理信息系统，探讨了系统设计和实现的关键技术，包括低内存环境下的大数据量组织与管理，与全球定位系统（GPS）、遥感等的集成技术，构建了一个可支持数据移动采集、定位与导航、多源数据融合等应用的集成应用服务环境．在上海某区进行试验，结果表明所提出的移动GIS数据模型和构建的集成服务环境具有较好的高效性与实用性．     

基于移动代理的MAISE爬虫的设计与实现

提出了一种基于移动代理的图像搜索引擎(MAISE,Mobile Agent based Image Search Engine)的爬虫系统,系统中爬虫代理运行在远程Web服务器上,它将集中在服务器端的任务如:特征提取、建立索引等分散到远程的Web服务器上并行运行,而且代理个数是可控的,最后将少量的数据回传到服务器端,这不仅提高了效率而且减小了网络传输量.最后对MAISE爬虫系统进行了测试,实验结果表明,MAISE爬虫的网络数据传输量和爬行时间等指标上均优于传统爬虫.     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.