基于CBAM YOLOv4-Mish的乳腺X线摄片肿块检测方法

为了提高乳腺肿块的检测精度,基于YOLOv4提出了一种CBAM YOLOv4-Mish模型进行乳腺X线摄片肿块检测.该模型采用平滑、连续可导的Mish激活函数替换原模型中的Leaky ReLU激活函数,并引入了卷积块注意力模块,使模型更加关注于肿块等关键信息而忽略背景等无关信息.在DDSM数据集上的实验结果表明：CBAM YOLOv4-Mish的AP_0.5为81.9%,比原始YOLOv4提升了3.6%.与其他乳腺肿块检测方法相比,该方法具有更好的检测能力.     

基于全光纤网络的电力抄表系统

为符合目前电力行业可持续、 智能化的发展趋势, 建设高效、 精准、 可靠性强的用电信息采集系统, 提出了一种将全光纤网络应用于智能电力抄表的解决方案。 在本地主干通讯网络应用塑料光纤作为信号传输 媒介, 在远程信道则采用石英光纤进行大量、 远距离的数据传输, 同时在计量设备和通信节点增设相应的光收 发模块, 使用电信息采集系统全光化。 实验结果表明, 全光集抄方案可将本地主干网络抄读成功率提升至 100% , 平均抄读耗时为 2. 1 s, 系统功耗为 50 mW, 这将给电力行业带来更多的智能化增值功能。     

基于LabVIEW FPGA模块的雷达模拟回波多普勒频移调制

目标回波的多普勒信息反映了目标与雷达之间的相对运动情况,多普勒频移的调制是雷达回波信号模拟的重要内容。利用LabVIEW FPGA模块可以用图形化的编程编译FPGA,给出了一种多普勒频移调制的方法,先利用LabVIEW FPGA模块生成带有多普勒频移的零中频信号,再上变频到需要的频率。实验结果表明,这种方法有效、可行,同时该方法还可以大大缩短系统开发时间。     

基于GSM/GPRS无线报警系统的设计

为了对偷盗、抢劫、火灾、有害气体泄露等事故进行有效监测和报警,提出了一种基于GSM/GPRS无线报警系统,它包括各种无线报警传感器、控制处理模块和GSM/GPRS模块等。将有关硬件焊接在线路板上,软件编程后烧写在单片机中,并将SIM卡插入SIM卡座中。上电,各传感器分别采集信号后,有声光报警,设定手机上可接收短信,电脑屏幕上有警情显示,表明达到了设计要求。     

模块式教学法的应用探讨

模块式教学,打破原有的课程体系,以技能为主线,将理论知识与技能要求融为一体,每个模块代表一个实际工作程序和工作规范,真正实现了专业教学的“理论一体化”,使学生学习目标明晰化,有效激发学生兴趣,提高学生学习的积极性,同时让学生学习更主动、更用功,教学质量有大幅度的提升,使教学更贴近企业和学生要求。     

基于DICOM医学图像软件工具包的设计和实现

DICOM(医学数字成像及通信)是PACS(图像存储与通信系统)网络内各系统互联的基础,也是用于统一各种数字化影像设备的图像格式和数据传输的标准.本文根据的开发经验,介绍了符合DICOM3.0标准的医学图像文件格式,并详细描述了设计DICOM软件工具包的实现过程.     

公共场所健康码识别系统的设计

为了预防新冠病毒的传播,设计了一种基于树莓派4B的公共场所健康码识别系统．该设计采用树莓派4B作为控制模块,使用摄像头模块进行健康码和口罩识别．首先,树莓派4B通过控制4G模块为健康码的识别提供4G网络,以达到在线识别健康码的功能．其次,利用摄像头模块进行面部识别是否佩戴口罩,最后,使用红外测温传感器完成无接触人体测温,并采用树莓派自带的语音播报库进行语音播报．该系统具有在线健康码识别,无接触检测温度和口罩识别的功能,能有效预防接触和呼吸传播．在实际测试和应用中工作稳定,具有智能化,安全化等优势．     

煤矿井下泵房集控系统的研究与应用

本文阐述了集控系统在煤矿井下泵房的应用,就其系统结构、技术特点、创新点、运行效果进行了论述。     

面向扶梯不安全行为的改进型深度学习检测算法

以YOLOv5s网络模型为基础,引入注意力机制CBAM模块,基于Ghost卷积模块重构网络模型的卷积操作,提出一种面向扶梯不安全行为的改进型深度学习检测算法.然后,在自主收集的扶梯不安全行为数据集上对其进行训练评估.结果表明,所提算法在检测精度有所提高的同时,大幅减少了检测所需的参数量和计算量.     

基于改进YOLOv4的行人检测算法

针对YOLOv4算法在行人检测中精度低,实时性差的问题,提出一种基于YOLOv4的改进算法。首先将MobileNetv2作为主干网络,在减少参数量的同时保证其特征提取能力,同时在MobileNetv2中加入Bottom-up连接,减少浅层信息的丢失;然后在特征融合网络嵌入卷积模块的注意力机制模块(convolutional block attention module, CBAM)注意力机制,增强特征的表现力;最后在分类与回归网络中加入Inception结构,进一步提高检测速度和增加网络复杂度。结果表明：在VOC数据集上,改进算法比原算法检测效果更佳,实时性更好,其精度提高了2.87%,处理速度提升了29.52 FPS;同时在真实场景下构建的数据集上,改进后的算法比YOLOv4精度提高了2.13%,具有较好的鲁棒性。