课程文献中心 更多>>

关键词： 监测系统   低频发射器   低功耗   RFID   嵌入式系统   XNS125   ESP   WiFi   MQTT  

摘要： 针对现代化生产监管需求,为便于对车间工作人员活动信息的统计和管理,结合低频唤醒、有源射频识别(Radio Frequency Identification,RFID)、WiFi无线网络及嵌入式系统,设计一种新型的人员活动信息监测系统。系统硬件由触发器、移动终端和无线网关组成,将人员活动信息经无线网络送云服务端,完成对人员信息数据的存储。通过PC机或手机终端的管理平台可以从服务器的数据库获取数据,对人员进行实时考勤及动态监测。系统采用无接触式低频唤醒及有源射频通信相结合的打卡方式,具备终端功耗低、监测稳定性高、自动化程度高的特点,能够有效地促进生产管理水平,提升企业整体形象。

关键词： 深度学习   嵌入式系统   物体检测   图像识别  

摘要： 近年来深度学习的进步大大推动了物体检测的发展,其中SSD(Single Shot MultiBox Detector)方法在物体检测领域应用较多。然而传统SSD难以应用在硬件资源受限的嵌入式设备中。因此,通过分析SSD方法的基本流程和原理,采用MobileNet卷积神经网络替换SSD的VGG16网络作为后续改进基准。采用不同尺度的卷积核对网络各层进行卷积特征提取,并合并各个特征图信息。实验结果表明:改进后的SSD方法能够有效地运行在树莓派上。在VOC2017数据集上的平均精度均值可达72.4%。该文提出的多维度的特征图检测方法可以有效提高网络的检测精度。

关键词： 安全管理中心   安全区域边界   安全策略   认证准入   密码技术  

摘要： 这是主动安全网络架构系列文章的第6篇.网络安全等级保护2.0(等保2.0)提出安全管理中心、安全通信网络、安全区域边界、安全计算环境的“一个中心、三重防护”的纵深安全防护体系,提出了全新的网络安全维度,进一步突出了边界管理和集中管控的重要性.主动安全网络架构可对等保2.0的技术、管理和扩展要求进行支撑,并突出了等级保护2.0的安全管理中心、安全区域边界等新维度的创新性技术实现,使得等保2.0的落地有了技术保障.主动安全网络架构在满足等保要求的同时,使得网络内生安全能力,可主动动态防御,改变了网络安全防护思路和模式,显著提高网络安全防护的效率和效果.

关键词： 嵌入式系统   数据库信息管理技术   应用   研究  

摘要： 随着嵌入式技术、嵌入式开放化应用系统的快速发展,嵌入式数据库也开始在嵌入式硬件或移动设备上运行,这也是嵌入式数据库与MySQL通用数据库的不同之处。通过围绕SQLite嵌入式关系数据库,进行嵌入式数据库管理系统关键技术,以及数据库信息管理技术特性的分析,并提出了数据库框架结构模块组成、数据处理代码生成、页面调用程序等的建构方案,以完成对嵌入式系统数据库内的数据信息搜集、查询、调用与存储。

关键词： 环境监控   物联网技术   嵌入式系统   无线终端设备  

摘要： 随着无线局域网技术的快速发展,无线终端已经融入了人们的生活,该文基于物联网研究并开发了一款户外便携式环境监控系统。当前市面上的环境监测仪大多数应用于空气、湖泊、海洋、河流等大型系统检测,基于此,该文采用嵌入式开发平台,通过物联网技术,在移动终端开发Android界面,用户通过网络实现对户外环境(如温湿度信息、光照信息、PM2.5等)的实时监控,装置便携、功耗低,测试精度高。

关键词： 嵌入式系统   Boot   程序升级   架构设计  

摘要： 本文阐述Boot在嵌入式程序刷写中的架构设计研究与应用。嵌入式程序主要包含两部分:一部分是用来更新应用程序的引导加载程序,即Boot程序;另一部分是应用程序,即APP程序。随着客户需求的多样性和智能化,应用程序也不断地迭代升级,Boot程序也需要升级,所以还需要一段程序来升级Boot程序。升级Boot程序时存在风险性,所以要保证升级Boot程序和App程序时正确稳定,安全可靠。

关键词： 嵌入式系统   视频采集   目标跟踪   深度学习   FPGA+HI3559  

摘要： 深度学习的方法因其强大的特征提取能力在目标跟踪领域中越来越受欢迎,其中拥有较高的运行帧率和强大的跟踪容错率的基于孪生网络的目标跟踪算法引起了众多学者的关注。然而孪生网络采用离线方式实现端到端的模型训练,并且选用第一帧作为跟踪模板,训练好的模型在跟踪过程中无法改变网络参数和目标模板,会导致网络无法对后续帧中目标外观的变化做出实时的调整。在线跟踪过程中,当目标出现形变或受到干扰时,由于算法无法更新模型,会产生目标匹配错误或者丢失目标的现象,最终导致目标跟踪失败。基于上述原因,本文在Siam FC跟踪算法基础上提出了以下几点改进方式:(1)提出了一个目标背景对比策略,将其应用在模板分支中,最大程度提取第一帧中目标的有效信息,从而进一步提高网络对目标的特征提取能力;(2)在搜索分支和模板分支的主干网络后分别同时加入通道注意力和空间注意力模块,通过两个注意模块学习强调或抑制哪些信息来提高表征能力,加强信息在网络中的流动;(3)在上述基础上,提出了基于混合注意力机制的改进孪生网络目标跟踪算法,首先通过ILSVRC2015数据集的训练集上进行离线训练,然后又在ILSVRC2015和VOT2018数据集的飞机类别上的测试集对该算法进行了测试和评估,从实验结果得知,本文提出的算法成功率由Siam FC基础算法的61.2%提升到68.4%、精确度由77.1%提升到82.3%,实验结果证明了该算法具有良好的跟踪性能。针对目标跟踪算法的硬件实现,本文提出一种基于FPGA+HI3559架构的视频跟踪方案,设计了以空地或海空为背景的嵌入式多核异构视频跟踪系统,对视频采集与显示模块、图像存储模块、MIPI通信模块和HI3559跟踪模块等各功能模块进行了硬件电路设计和仿真,完成了实验测试,验证了硬件架构的准确性和实时性。

关键词： 鼠笼式感应电机   RDD   故障诊断   圆形磁通感应线圈   CNN   嵌入式系统  

摘要： 鼠笼式感应电机（Squirrel Cage Induction Motors,SCIMs）的压铸转子对于提高新能源汽车驱动电力效率、延长续航里程、节能减排,以及推动经济可持续发展都有着关键的意义。压铸转子的铸造过程复杂导致容易出现孔隙缺陷。压铸转子品质的精密检测是指导完善铸造工艺以及提高成品率的关键核心。平面磁通感应线圈已被研究用于压铸转子缺陷检测（Rotor Defect Detection,RDD）。然而,这些类型的传感器采集方式复杂,不能准确评估孔隙或断条的损害严重程度。同时,对于压铸转子诊断结果的实时性也有待改进。因此,本文提出了针对SCIM压铸转子故障检测的研究方法。 首先,本文根据SCIM内部的定转子电磁模型,开发了一种新型转子质量传感器来检测和定量分析SCIM转子的缺陷。该传感器直接由来自SCIM定子三相绕组的电磁磁通感应线圈组成。通过在传感器的A相和B相注入直流电压产生磁场,拖动转子在传感器内部旋转切割磁场,在C相中产生感应电压信号US,C。然后采用信号分析相关算法对采集的信号进行分析,构建一个与该传感器相匹配的转子故障定量指标（Quantitative Fault Indicator,QFI）,研究了QFI随转子故障及故障严重程度变化的趋势。并针对不同种类转子（2-bars和4-bars简易转子,及22-bars的商用SCIM压铸转子。其中,bar表示压铸转子的转子导条）,及对其进行人工制造不同故障及故障程度,来模拟压铸转子容易出现的缺陷。通过实验平台的搭建,对不同种类的转子及不同种类故障转子的检测与实验结果分析,验证了本文设计传感器及构建的转子QFI方法的有效性。 其次,基于该新型转子质量传感器,本文设计了一套转子质量实时检测的智能系统,实现了实时的RDD。其中,算法部分包括设计的信号预处理方法对获取的信号进行预处理,和改进的卷积神经网络（Convolutional Neural Network,CNN）模型,用于转子质量缺陷的识别和分类。硬件部分包括设计的传感器,搭建的一套信号实时采集和处理电路,以及树莓派等所构成的嵌入式系统,用于信号的实时采集、传输,和实时RDD。该智能系统通过设计的新型转子质量传感器,利用改进的CNN技术,在一套小尺寸和灵活的嵌入式设备上实现了对SCIM转子的实时RDD。

关键词： 矿工不安全状态   生理参数检测   嵌入式系统   BP神经网络   PSO优化算法  

摘要： 煤矿安全生产取决于“人、机、环、管”四大要素之间互相联合与紧密配合,在煤矿行业高新技术及智能化发展的今天,“人”这一要素在整个行业生产过程中扮演着越来越重要的角色。作为高风险职业群体,矿工上岗时身心是否处于安全状态对煤矿安全生产工作尤为重要,因此研究煤矿从业人员不安全状态检测方法对预防事故、提升煤矿安全管理水平具有重要意义。本文提出一种基于生理参数的煤矿从业人员不安全状态检测方法,在探究不安全状态与生理信号之间关系的基础上,构想设计出一种检测装置,该装置可完成生理信息数据的采集、处理、计算、显示、传输等功能,并通过BP神经网络分类算法实现不安全状态的有效识别。 首先,从不安全状态的概念发展、产生因素和表现形式三个方面阐述了不安全状态的研究基础;通过详细分析对比适用于不安全状态检测的方法,确定选用生理检测法。通过探究生理信息与人的状态之间的关联性,建立了不安全状态与生理参数之间的关系,根据不同生理信号的特点,确定本课题采用心率、血压、血氧饱和度、体温作为生理检测指标。对生理信号测量原理和方法进行详细阐述,选择光电容积描记(PPG)法检测心率血压,光学法测量血压,采用接触式体温测量。 然后,依据模块化思想将整体设计分为主控模块、生理参数采集模块、显示模块、通信模块、警报模块以及电源电路,对硬件部分进行设计。硬件部分包括元器件选型和连接电路设计,以STM32C8T6为微控中心,选用MKB0803、MAX30102、DS18B20传感器组成生理参数采集模块,实现生理参数测量;使用LCD、有源蜂鸣器以及USB线路完成参数显示、预警和传输功能。该一体化式检测装置满足低功耗、小型化、便携化的设计需求。 其次,基于Keil μVision5 IDE对检测装置软件部分进行设计,包括系统主程序与其他各个模块相对应的驱动程序设计和代码编写,完成生理参数的采集与传输。将生理信号特征转换成具体的生理数值在液晶屏上实时显示,通过有线传输发送至电脑端动态显示并实现数据保存。 最后,将设计的装置进行功能测试和对比实验,结果表明该装置能够较为准确测量生理数据并与电脑端进行实时传输。通过不安全状态诱发实验,采集实验对象不同状态下的生理参数,使用BP神经网络分类算法对数据进行训练分类,分类准确率为92%,最小误差为0.0003,分类效果较为理想,证明利用生理参数能够实现不安全状态有效分类识别。 本文研究设计的生理检测装置可以实现矿工生理信息参数的检测,并通过BP神经网络实现不安全状态的分类识别。实验表明,生理参数可用于矿工不安全状态的检测与识别。

关键词： 目标跟踪   目标检测   嵌入式系统   YOLO v4   DeepSORT  

摘要： 以目标跟踪为基础服务的智能交通对人们的生活起着越来越重要的作用,大量目标跟踪系统正逐步被部署到日常交通中。综合考虑成本、跟踪能力等因素,现有目标跟踪系统更多采用客户端-服务器-客户端的部署方式,嵌入式终端只进行数据的采集和结果的呈现,云端服务器则进行目标跟踪结果的解算。此种耦合度较大的系统无法适应实验敏感型业务的需求。因此,本文面向嵌入式终端,研究设计了一种基于Deep SORT的轻量级目标跟踪算法,并实现了一个实时的嵌入式目标跟踪系统。该系统脱离了云服务器和网络的束缚,使得所有流程都在嵌入式侧进行,提升了目标跟踪系统的实时性和效率。直接部署目标跟踪算法对性能较差的嵌入式终端是一个巨大的考验,因此本文的核心目标是以Deep SORT算法为主要跟踪手段,对该算法进行轻量化。首先,对Deep SORT算法的基础目标检测器进行优化,提出了基于YOLO v4的改进目标检测算法。参考了 MobileNet基本模块的结构,设计了一个轻量级网络,对原始YOLO v4的主干网络进行替换。同时,利用深度可分离卷积的思想对特征融合网络中的普通卷积进行优化,利用通道剪枝技术对整体网络进一步瘦身。最终,基于YOLO v4的改进算法在检测精度相当甚至略有提升的同时,检测速度得到了大幅度的提高。然后,在基础检测器轻量化的基础之上,本文还对Deep SORT算法流程进行了改进。第一步利用扩展卡尔曼滤波算法对检测框的预测过程进行改进,使得预测非线性场景下的检测框位置更加准确。第二步,使用广义交并比对算法流程中使用到的普通交并比度量方式进行替换,使得两个目标的相对位置衡量更加精准。紧接着,考虑到真实交通中行人和车辆的运动状态,本文提出了一种基于运动判断的自适应跟踪算法,结合目标的真实运动状态,改进了 Deep SORT的流程,减小了目标检测算法的调用频率,提升了跟踪算法的效率和速度。最后,本文以上述改进Deep SORT目标跟踪算法为基础,设计并实现了一个实时的嵌入式目标跟踪系统,该系统只由一个嵌入式终端组成,不需要服务器和网络的参与,使得对目标的信息采集、数据处理、跟踪以及后处理都在嵌入式终端中形成闭环。最终,通过实地测试表明,该系统的跟踪能力和处理速度在真实交通中都有着不错的表现。