滴速式输液泵/控制器准确性测试系统研究

为确保医疗工作中不同类型患者点滴输液的安全,设计一种基于采集卡MP451的输液控制精度的红外检测系统.阐述了系统的硬件组成、工作原理和软件设计.实验测试结果表明:这种红外检测系统可以实现对医用输液状况的实时监测,操作简便,能满足目前标准要求的检测精度.     

基于火焰闪烁特征的判别依据研究

火焰闪烁特征指的是火焰在燃烧过程中所表现出来的不断跳动的特点。在我们的研究课题中使用三个标准来衡量火焰的闪烁特征:火焰焰苗的抖动程度、边界像素的能量特征(傅里叶特性)和频率特征(小波特性)。     

基于HSV空间的视频实时水位检测算法

提出一种新的基于视频水位检测算法,能对设立于水中的标尺刻度进行自动和实时的测算.针对水面图像特有的属性,在将视频转换到HSV颜色空间的基础上,利用色调分量基本不受光照条件影响等特性,以一种基于能量函数的统计模型和可变区域的策略,解决了图像模糊、背景复杂且有倒影干扰等不利条件下,传统边缘检测算子无法准确测算的问题.     

一种基于网络的入侵检测模型及其实现

在入侵检测CIDF体系结构基础上,提出了基于网络的二层式多数据包分析入侵检测模型.这一模型中,事件分析器对当前事件分两层进行处理:先将当前事件结合历史事件进行关联分类,找出与当前事件关联紧密的历史事件;然后对包含当前事件的这一类关联事件进行回归分析,最终发现潜在的协同攻击和分布式入侵行为.仿真试验说明该算法模型能够检测出传统入侵检测系统难以发现的分布式入侵行为.     

基于考生在线行为的互抄袭作弊检测算法研究

基于考生在网络考试过程中的行为数据,分析了有抄袭行为和无抄袭行为的学生在考试过程中所记录的各种数据之间的差别;数据主要包括每个学生对每个题目的答题开始时间、答题结束时间、答题时长、答案、答题次数、答案修改次数等;最终发现两个有抄袭嫌疑的学生在答题的时间和答案上具有极高的相似度;通过两个学生答题的时间重叠度和答案的汉明距离两个因素建立模型,证明模型所给出的数值能够反映考生的抄袭嫌疑,具有一定的实践意义。     

农田智能驱鸟器设计与试验

由于鸟类对庄稼的啄食,影响粮食和水果的产量和质量,给农民造成较大的经济损失.针对农田鸟害问题,设计了一种农田智能驱鸟器.驱鸟器由太阳能电池板和锂电池供电,采用热释电红外传感器实时监测.当鸟类飞入传感器有效探测范围时,由主控芯片STC89C52驱动超声波系统和数码语音系统工作,超声波发生器发射有效频段内的变频超声波,数码语音系统随机播放使鸟类恐惧的声音或天敌叫声,有效降低鸟类的适应性,极大地减少了因鸟害引起的粮食作物和水果损失.试验结果表明,该文设计的驱鸟器能够实现对鸟的主动驱赶,成本低,灵敏度和驱离效率高,适合野外长时间工作,有效驱鸟范围达200~240m2/套,可满足农田的驱鸟需求,效果良好.     

自动驾驶中基于深度学习的3D目标检测方法综述

随着激光雷达传感器和深度学习技术的快速发展,针对自动驾驶3D目标检测算法的研究呈现爆发式增长。为了探究3D目标检测技术的发展和演变,对该领域中基于深度学习的3D检测算法进行了综述。根据车载传感器的不同,将当前基于深度学习的自动驾驶3D目标检测算法分为基于相机RGB图像、基于激光雷达点云、基于RGB图像–激光雷达点云融合的3D目标检测3种类型。在此基础上,分析了各类算法的技术原理及其发展历程,并根据平均检测精度（mAP）指标,对比了它们的性能差异与模型优缺点。最后,总结和展望了当前自动驾驶3D目标检测中仍然面临的技术挑战及未来发展趋势。     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

基于SSA-SVM的航空电弧故障检测

针对航空线路系统电弧故障隐蔽性高和难以检测的问题,提出一种基于麻雀搜索算法优化支持向量机（Sparrow Search Algorithm Optimization Support Vector Machine,SSA-SVM）的航空电弧故障检测方法。首先采用小波分解对电弧故障电流数据进行分解,小波分解能有效克服经验模态分解时存在的模态混叠问题。再从信号无序度的角度对电流分量提取能量熵、模糊熵与近似熵,并构造特征向量。然后,使用麻雀搜索算法对支持向量机的权值进行优化,得到最优的权值,最后用训练好的支持向量机对测试样本进行分类。为了验证所提方法的有效性,搭建电弧实验平台,模拟航空线路系统电弧故障的产生,分别采集交流串联正常和电弧故障电流数据,应用本文提出的SSA-SVM算法进行电弧故障检测,结果表明,该方法能较好地识别出电弧故障,检测准确率达到99.5%,相比于粒子群算法或遗传算法优化的支持向量机对电弧故障的检测准确率分别高出2.5%和2%。     

基于YOLOv5s-FCS的钢材表面缺陷检测

针对传统钢材表面缺陷检测方法易出现误检、漏检和部分缺陷种类检测精度低等问题,本文设计了一种钢材表面缺陷网络YOLOv5s-FCS。首先本文引用了FReLU激活函数构建了卷积模块CBF,有效增强了网络的空间解析能力,优化了网络检测精度;其次,本文将坐标注意力机制嵌入到网络的neck部分来增强网络特征融合的能力,从而使网络能够提取更加丰富的特征信息;最后,将YOLOv5s的损失函数替换为SIoU loss,提高了预测框的回归精度。通过在NEU-DET数据集上进行消融实验、可视化对比实验,结果表明,YOLOv5s-FCS网络的mAP值达到了0.747,相较于原YOLOv5s网络提高了8.3%,相较于YOLOv3网络提高了11.8%,相较于YOLOXs网络提高了4.2%,相较于YOLOv6s提高了1.4%,验证了该方法的可行性、有效性。