Lip print recognition technology originated in the field of forensic medicine, and convolutional neural network has made breakthrough achievements in the field of pattern recognition and machine vision. Convolutional neural network (CNN) algorithm is rarely used in lip pattern recognition. Further exploration and research on the network model suitable for lip pattern recognition. Lip print recognition algorithm based on depth convolution neural network aims to solve the problems of complex image preprocessing, difficult feature extraction and low recognition efficiency in traditional lip print recognition algorithms. It includes collecting lip print images to establish data sets, selecting different CNN models to conduct performance evaluation experiments on low resolution lip print data sets, and analyzing the experimental results with model evaluation indicators.
A high temperature sensor based on a metamaterial is proposed as the chipless radio frequency identification (RFID) sensor tag that can be measured temperature wirelessly. Double circular split ring resonator (SRR) is fabricated on the alumina ceramic substrate which deploys as the temperature sensing material. The permittivity of the material varies with the temperature parameter, thus results in a shift of backscattered resonant frequency of the sensor tag. Simulations verify the feasibility of this sensor tag in microwave band under electromagnetic (EM) stimulus. When the temperature increases from 200 °C to 1000 °C, the resonant frequency decreases monotone from 6.64 GHz to 6.26 GHz with an average sensitivity of 0.475 MHz/°C. The sensor tag is high temperature, wireless, passive, comparatively low-cost and miniature in diversified application, which competes with sophisticated temperature devices on performance.
Aiming at problems of the limited accuracy of the model and poor control precision caused by the complex deformation of Cable-Driven Continuum Robot(CDCR), a shape sensing and feedback control approach for CDCR is proposed based on the elastic magnetoelectric strain sensor. The kinematic model of CDCR was established based on the product of the exponential (POE) formula. Based on the sensor's physical characteristics, the robot's shape-sensing model was proposed and Qualisys Track System was used for calibration. A module prototype was built to verify the effect of the perceptual feedback control algorithm. The experiment proved that the flexible perception method used in this paper is universal and accurate, and provides a valuable framework for real-time sensing control.
The rotor attitude detection of spherical motors usually requires the installation of position sensors on the rotor shaft or stator to achieve, which occupy a large space and cause negative effects for the practical installation and application of spherical motors. In this paper, a sensorless position detection method for reluctance spherical motors based on the structure and operating characteristics of reluctance spherical motors is proposed. By detecting the stator coil inductance data at different rotor attitude angles, the position prediction model is constructed using the extreme learning machine algorithm. Through comparison and validation, it is demonstrated that the rotor attitude angle obtained by the method is highly accurate, providing a feasible idea for the control and application of reluctance spherical motors.
This paper proposes an intelligent vehicle local path planning algorithm for complex scenarios. Firstly, the Frenet coordinate system is used to decouple the motion of vehicle. According to the initial configuration and target configuration, the trajectory set are obtained through a polynomial method. Secondly, the feasibility of these trajectories is checked by collision, minimum distance between vehicles, curvature peak, and acceleration peak. Finally, a novel cost function based on the driving risk value and the rate of acceleration change is used to evaluate the feasible trajectories. The trajectory that minimizes the loss function is selected as the optimal solution. The results show that the proposed method can obtain a reasonable driving plan in a specific scenario.
为了解决目标检测算法--SSD算法存在模型参数过多、存储需求大、对小目标检测效果不理想、难以应用于边缘计算设备的问题,提出一种基于SSD的改进算法SFF-SSD.该算法将SSD骨干网络改为ShuffleNet V2,并将网络中的Stage2_3和Stage3_7进行特征融合,形成新的特征提取层N_Stage3_7进行目标检测.同时,使用焦点损失函数处理不均衡正负样本的方法,改善SSD算法检测精度不稳定的问题.最后,采用对不同特征通道的重要性进行重标定的方式,引入SENet,提高网络的表示能力.实验结果表明:SFF-SSD算法在VOC2007数据集上参数量为5.465 MB,检测速度为77 fps,检测精度为73.96％,因此该研究方法可以在保证实时性和检测精度的同时满足边缘设备部署的要求.
针对当前基于触觉信息的被护理人姿态识别精度低、可识别关节点数少等问题,设计了一种基于多模态数据的被护理人姿态识别方法.首先,采用OptiTrack运动捕捉系统和触觉传感器,采集并构建了包含51人30万帧被护理人姿态和60万张接触压力图像的数据集;然后,将接触压力图像和人体位置热图作为卷积神经网络(CNN)的输入,识别被护理人的关节位置,根据关节位置得到被护理人姿态.实验结果表明:所提出的方法能识别人体的5个关键关节位置,精度达到了90％,满足识别被护理人姿态的实用性要求.
为满足无人机(UAV)在精准作业时对高度信息的高精度与高稳定性需求,设计了一种气压测高系统,并对其进行了实验验证与性能分析.该系统主要由自研功能主控板、MEMS谐振式压力传感器、上位机软件构成.主控板采用密集型4层制版,完成数据采集、处理、收发功能.压力传感器输出频率与温度数据,由主控模块进行精确采集、温度补偿得到气压数据.通过差分气压测高将气压数据转换为高度数据,以无线或有线方式发送至显示模块进行解析、显示与储存.经高度重复性实验与对比实验结果表明,该系统在短距离测量范围内的相对标准偏差小于6％;在相对长距离测量范围内的相对标准偏差小于1％,精度达厘米(cm)级.
在点线特征结合的同步定位与地图构建(SLAM)系统中,针对直线段检测(LSD)算法易受光照、角度等因素的影响且造成提取直线段过度分割等问题,提出一种基于多尺度、多分辨率的LSD(MMLSD)算法.首先,在对图像处理前,引入图像分辨率阈值判断图像的初步分类;其次,对预处理后的图像进行多尺度多分辨率处理,形成多尺度图像空间或者图像金字塔;然后,在线段合并阶段,对金字塔各层提取的直线段进行由粗至精的线段替代合并;最终,输出提取线段结果.实验结果表明:改进后的算法有效地克服了线段的过度分割现象,同时对低对比度的环境具有良好的鲁棒性.相比LSD算法,所提算法直线检测的平均精度提升13.1％.
针对矿石粒度检测过程中相机与目标矿石之间相对运动造成的图像模糊问题,提出一种模糊矿石图像清晰化的方法.采用维纳滤波进行图像复原是常用方法,因此,采集模糊矿石图像,建立图像复原模型.首先通过傅里叶变换构造频谱图,几何分析法估计模糊角度和微分自相关法估计模糊长度;采用无参考图像清晰度算法校准并确定模糊角度及长度,构造出最为近似的点扩散函数(PSF)参数;再以快速K值估计法获得最佳噪信比值,最后用维纳滤波处理所求,实现运动模糊图像的复原.实验结果表明:该方法能估计并矫正模糊矿石图像的模糊长度和角度,其复原效果比传统方法更优,准确度高、稳定性强,具有一定的实际工程意义.
针对暗光图像往往存在大量分布不均的噪声,极大地影响图像质量,而现有的基于单阶段卷积神经网络(CNN)的模型不能有效去除大量暗区域噪声的问题,提出一种基于CNN的暗光图像去噪算法模型.通过两种尺度的特征映射去噪模块共同构成深层CNN模型,合理运用残差学习与类似自编码器单元有效地重构出去噪图像;采用结构相似性(SSIM)作为损失函数训练模型.实验结果表明:预训练模型在BSD68数据集的峰值信噪比(PSNR)和SSIM值可同时达到25.23 dB和0.927,对自然场景的噪声图像恢复的PSNR和SSIM达到14.03 dB和0.423.本文模型对高斯白噪声和暗光条件的去噪效果显著,对自然暗光场景图像有着较好的对比度恢复和去噪效果.
针对园区巡检、物流等固定场景下的任务,无人车的主流导航方法为预先构建场景点云地图,在运行时通过激光雷达(LiDAR)扫描的点云与地图相匹配,进而得到高精度的定位结果.为解决地图构建时位姿估计精度受外参误差影响较大的问题,提出了一种全球导航卫星系统(GNSS)/LiDAR外参在线标定算法,对传感器外参进行在线估计.通过搭建仿真平台对算法进行验证.结果表明:该算法可以有效地估计出GNSS与LiDAR之间的外参,杆臂估计精度达到厘米(cm)级,姿态角估计精度优于0.1°.
针对日益复杂的海洋环境对舰船目标检测更高识别率、实时性、智能化的需求,提出了一种基于改进YOLOv4的舰船目标检测算法.算法将新设计的多层特征融合(MFF)模块和多层接收域块(M-RFB)模块集成到YOLOv4的颈部,改进了网络特征提取的能力,解决了海洋环境中小型舰船的检测和分类问题,模型训练过程中引入迁移学习的策略防止模型过拟合并加速模型训练的参数.实验结果表明:该算法能有效解决小型舰船在复杂海洋环境下检测困难、识别率低的问题.与现有算法相比,该算法能够在复杂的海洋导航条件下获得更高的精度,特别是与YOLOv4相比,准确率提高了约11％.
随着柔性传感器在可穿戴电子设备、植入式设备及物联网(IoT)等技术方面的快速发展,摩擦电纳米发电机(TENG)是新时代最好的能源设备和医疗应用之一,在医疗领域引起了众多研究者的关注.本文对TENG的理论、制备与潜在价值和国内外一些性能优化方法进行了评述,重点对TENG在医疗与脉诊两个方面的应用进行了总结和分析,其中医疗主要包括健康检测、自供电医疗等方面,脉诊主要包括脉搏、心跳等方面.并且对各种基于TENG的健康监护仪的器件结构设计、传感机理、器件性能及优缺点进行分析.最后,对TENG在医疗和脉诊领域的未来发展进行了总结和展望.
针对船用薄膜型液化天然气(LNG)货舱制造时存在的波纹薄板手工焊效率低且焊接质量不稳定的问题,设计了一种基于线激光和电荷耦合器件(CCD)图像传感器的波纹薄板焊缝识别方法,用以引导机器人自动焊接.通过CCD图像传感器获取带有线激光条纹和待焊接焊缝的波纹薄板图像,对采集的图像进行畸变矫正、中值滤波和阈值分割后,建立焊缝特征点的数学模型求解其像素坐标,并通过三维重构算法求取焊点的三维空间坐标引导机器人焊接.实验结果表明:对波纹薄板焊缝的识别误差均在0.5 mm之内,实时性好且精度较高,满足波纹薄板的焊接工艺要求,具有良好的应用前景.
在高光谱图像(HSI)光谱数据中,相邻波段间信息的相关性对光谱特征近似的不同地物的分析具有重要意义.然而在传统卷积神经网络(CNN)的HSI光谱数据处理方法中,所提取的特征忽略了不同波段间信息的关联性.提出了一种融合Transformer和VGG网络的高光谱图像分类方法(SST_Like).采用3D卷积核的VGG网络提取空间光谱特征,基于多头自注意力(MSA)机制的Transformer网络提取连续光谱间信息,形成空谱联合特征,最终通过多层感知机(MLP)完成地物分类任务.本文提出的SST_Like网络模型在3个HSI开放数据集上的实验结果表明,与传统基于CNN的HSI分类算法相比,可以提取更加深层的、判别性的特征,具有较高的分类性能.
采用射频磁控溅射方法,在溅射气压为2.5 Pa时,在p-Si衬底上沉积氧化锡(SnO2)/氧化锌(ZnO)复合纳米薄膜.沉积过程中,SnO2薄膜的沉积厚度固定为40 nm,通过改变ZnO薄膜的沉积厚度来改变SnO2/ZnO的膜厚比.详细分析了工作温度和膜厚比变化对复合纳米薄膜气敏特性的影响.结果表明,SnO2/ZnO复合纳米薄膜的最佳工作温度为350℃,与ZnO和SnO2单层薄膜相比,复合纳米薄膜的气敏性能显著提升.当SnO2与ZnO的膜厚比为4∶3时,其气敏性能最佳,在350℃下,对于5×10-6乙醇气体的灵敏度最高可达4.该SnO2/ZnO复合纳米薄膜气敏性能的提升归因于ZnO与SnO2之间形成的n-n异质结.
本文采用自研电子鼻系统,实现6个产地的茯苓气味样本的检测,根据采集得到的样本数据集,提出并优化了适用于茯苓产地分类的卷积神经网络-长短期记忆网络(CNN-LSTM)模型,同时与支持向量机(SVM)模型、CNN模型、LSTM模型进行对比,识别率提高6％以上.在实际样本检测中,适用于茯苓产地分类的CNN-LSTM模型识别准确率为81.9％,优化后的CNN-LSTM模型识别准确率达到了88.9％,且优化后的神经网络能够更快、更好地从电子鼻数据中提取特征.
电力变压器在运行过程中,由于放电或者高温故障,会产生易燃的乙炔(C2H2)气体.对C2H2气体进行在线监测可有效反映变压器的故障情况.制备了一种基于钯(Pd)催化剂修饰氧化锌(ZnO)敏感材料的平板电极型气体传感器,并研究了其对C2 H2气体的检测特性及气敏机理.结果表明:在最佳温度下,质量分数为1％的Pd催化剂修饰ZnO的敏感材料较本征ZnO纳米线高出1倍响应,检测下限优于2×10-6.传感器在连续测试42 d后,敏感特性未见明显衰减,表现出良好的稳定性.
针对轻量化填充结构模型,提出了一种基于Q-learning算法的3D打印路径规划方法,来改善该结构路径规划中转弯与启停次数较多的问题.首先对填充和分层处理后的模型切片进行预处理,然后以减少打印头转弯和启停动作为目标,构建相对应的马尔可夫决策过程数学模型,多次迭代动作价值函数至其收敛,求解出一组取得最大回报值的动作策略,按照所设定的数学模型将该策略转义输出为打印路径,最后通过对比实验进行验证.实验结果表明:该方法能有效减少打印头的转弯和启停次数,增加打印路径的连续性,节省打印时间,同时可以在一定程度上提升打印质量.
