课程文献中心 更多>>

关键词： 嵌入式系统   智能监控   V4L2   TensorFlow   目标检测  

摘要： 随着经济的发展与城市化进程的加快,各地高层建筑不断涌现,带动了电梯行业的快速发展。如今,电梯已经成为高层建筑用户出行的首选,而电梯监控系统作为电梯运行状态的监督者是其不可或缺的一部分。传统的监控系统普遍采用人工监控的方式,弊端在于其工作效率低、灵活度低且维护成本高,已然无法满足电梯对监控系统的需求。因此,设计一款性能稳定、能智能分析视频的智能电梯监控系统不仅具有实际的应用价值还有广阔的市场前景。本文基于Android技术设计了一款智能电梯乘客监控系统。论文的研究内容主要包括三个部分:电梯数据采集相机设计、嵌入式平台对相机的驱动设计以及监控系统客户端设计。首先,本文基于智能监控相机运行原理与结构,按照图像传感器电路、数据传输接口电路、时钟电路、电源转换电路等模块对监控相机系统进行硬件设计与制作。其次,本文采用以Contex-A53为核心的ARM终端作为嵌入式平台,基于Android系统的V4L2驱动框架完成视频图像采集设备的驱动程序设计,实现了监控相机的图像采集功能。接着,本文调研了乘客乘坐电梯的不规范行为,并基于SSD目标检测算法,实现对乘客违规乘坐电梯存在的危险行为进行检测与预警。最后,基于Android Studio开发平台设计人机交互界面,方便系统的优化与测试。基于以上工作,本文最终完成了智能电梯监控系统设计。该系统不仅可以全天候、全时段实现电梯乘客监控功能,还可对电梯内乘客存在的危险行为进行智能监测与预警,降低安防人员的工作强度。实际检测结果表明该系统具有检测准确,运行稳定等优点,同时相对于其他同类型产品而言,本系统体积小、可拓展性强,提高灵活性的同时降低了应用成本,在智能化广泛应用的今天有一定的实用价值。

关键词： 表面缺陷检测   云-边缘协同计算   嵌入式系统   深度学习   Docker   Kubernetes   YOLOv4  

摘要： 表面缺陷检测是工业生产中的重要环节,及时检测出工件缺陷不仅能提高产品的良品率,还可结合缺陷类型对生产过程进行相应调整。表面缺陷检测领域与人工智能技术、工业物联网技术相结合已成为大势所趋。 本文分析了现有表面缺陷检测系统所存在的问题,设计了一种基于云-边缘协同计算的表面缺陷检测系统,该系统部署深度学习模型于边缘端设备实现表面缺陷检测功能,部署云端设备对边缘端设备进行协同与管理。本文首先在表面缺陷检测系统方案中选用了云-边缘协同计算方案,将表面缺陷检测任务部署在边缘端设备,将协同管理工作部署在云端设备。系统通过Kubernetes框架实现了云端对边缘端的设备管理、资源管理、任务调度工作,通过Kubeedge框架实现了边缘端组件的轻量化、边缘端自治和终端-边缘端-云端数据协同的工作。完成系统搭建后在云端设备部署系统管理平台提供实时可视化和交互管理等功能模块,同时搭建表面缺陷检测应用镜像仓库以保证云边缘设备之间的模型协同。 针对边缘端设备算力资源和内存资源有限的问题,对YOLOv4算法进行改进,将YOLOv4算法的主干网络结构CSPDarknet53更换为了更轻量的Mobile Net V3,并用K-means++算法改进优化了YOLOv4算法的预选锚点框尺寸。本文以PCB电路板作为应用对象,对改进后YOLOv4算法进行实验以衡量算法改进后的检测效果。实验结果表明,改进后的YOLOv4算法在PCB电路板表面缺陷数据集上的m AP值达到96.41%,检测精度略低于YOLOv4算法;在带有GPU处理器的NVIDIA Jetson Nano嵌入式平台上的检测速率达到4.7FPS,而模型大小仅为53MB,远优于主流的缺陷检测算法。 本文选用PCB裸板电路板作为应用对象,对云-边缘协同计算的表面缺陷检测系统的性能与各项功能进行测试。将云-边缘协同计算系统与云计算系统和本地计算系统进行比较,验证了云-边缘协同计算系统响应快、数据传输稳定的优点。对容器镜像仓库和云端系统管理平台进行测试,证明了二者各项功能可正确稳定运行。

关键词： 电力巡检   EfficientDet   元件检测   缺陷定位   嵌入式系统  

摘要： 输电线路的安全稳定运行是电网可靠供电的重要保障,然而一些元件的损坏及鸟巢等异物的存在会严重危及线路安全运行。利用计算机视觉中的目标检测算法实现无人机巡检图像的自动检测成为研究热点内容。本文以输电线路上的主要电力设备绝缘子、防震锤、均压环、屏蔽环及鸟巢为检测对象,结合各类数据增强方法,构建了PASCAL VOC2007格式的电力巡检数据集。针对电力巡检任务对目标检测算法速度和精度的要求,提出了一种改进的EfficientDet目标检测算法,该算法应用于无人机电力巡检图像的数据挖掘,对高压输电线路上的主要电力设备及鸟巢同时进行目标检测及缺陷定位,通过实验搭载至NVIDIA嵌入式系统,主要工作如下:(1)针对本研究能获取的无人机巡检图像数据有限的问题,本文利用GAN生成对抗网络生成大量与真实图像相似的生成图像,弥补图像数据集不足导致的各类原件及缺陷样本不足问题。利用Imgaug数据增强库模拟真实巡检时拍摄模糊、噪声、天气恶劣等情况,提升训练模型抗干扰的鲁棒性。结合以上两种方法,将1468张国家电网某检修公司标准化无人机巡检数据集扩充至4867张,通过LabelImg标注后得到标注框9817个,建立了用于本研究的数据集,数据集可用性验证的结果表明本文数据增强方法可优化深度学习训练。(2)针对现有的无人机电力巡检中的目标检测算法小目标识别精度低、检测速度和精度无法同时满足的问题,本文将EfficientDet目标检测算法部分结构进行改进,使得改进后的EfficientDet算法在电力巡检任务中有更好的表现:对主干特征提取网络EfficientNet的倒残差模块进行改进,引入CA注意力机制提高了主干特征提取效率;在加强特征提取网络Bi FPN特征融合时融入小一级尺度的特征层,提高了小目标的检测能力。训练验证实验结果表明改进EfficientDet在测试集上平均均值精度达到了90.2%,元件检测与缺陷定位速度分别达到23.4f/s和17.2f/s,证明了本文方法可以满足电力巡检中准确性和快速性的要求。(3)针对嵌入式部署问题,本文分析了实验所用的两块NVIDIA嵌入式开发板的性能优劣,通过将本文算法部署至嵌入式系统中对比性能,最终选用NVIDIA JETSON NANO嵌入式开发系统。对摄像头、操作系统、深度学习环境等进行了配置与调试,利用Tensor RT对训练好的改进EfficientDet模型进行压缩优化,部署至嵌入式系统后进行预测实验。实验结果表明,基于Tensor RT优化的改进EfficientDet元件检测精度达到78.7%,速度达到10.0f/s,证明了本文方法在嵌入式系统中应用可以满足速度和精度要求,具有一定的工程应用前景。该论文有图65幅,表12个,参考文献59篇。

关键词： 嵌入式系统   图像融合   NSCT   PCNN   UDP  

摘要： 面对复杂战场环境下的战略侦察与目标识别等行动,红外与可见光图像融合技术在探测技术领域有着重要的研究与应用价值。由于红外与可见光图像之间的特征相关性较少,融合算法结构较为复杂,所以难以在嵌入式系统中实现部署。本文针对红外与可见光异源图像融合的关键问题,提出了基于多尺度变换的改进图像融合算法,并与多种融合算法对比进行融合效果验证实验。选择Xilinx Zynq-7020开发平台,对图像融合算法进行移植与优化,搭建图像融合系统和ZYNQ-PC之间实时图像传输系统,实现异源图像融合与以太网传输功能。根据红外与可见光传感器的成像特点,开展了图像预处理方法研究。对红外与可见光图像进行了相应的灰度变换、滤波降噪以及图像增强处理,通过边缘检测对比实验,验证了预处理方法在突出图像边缘轮廓特征上的有效性。为了解决复杂背景下典型坦克目标的配准问题,分析了红外与可见光图像的特征提取与匹配的理论原理。利用CSS角点检测算法进行特征点检测,采用在轮廓角主方向上提取SIFT特征描述子的方法进行特征点匹配,通过线性一致、RANSAC算法和全局迭代优化完成精确配准。针对传统图像融合方法引起的清晰度低、轮廓模糊等问题,开展了红外与可见光异源图像的融合基于多尺度分析的图像融合方法研究,重点研究了非下采样轮廓波变换(NSCT)与耦合脉冲神经网络(PCNN)在图像融合领域的优势,提出了基于NSCT与改进PCNN的红外与可见光图像融合算法,利用改进的加权锐化滤波器和加权均值滤波器实现对高频信息的进一步梯度分离提取。搭建了ZYNQ与PC机间的嵌入式UDP千兆以太网实时图像传输系统、ARM+FPGA式嵌入式红外与可见光图像融合系统。通过PC端的定制软件,实现了基于UDP协议的下位机与上位机的实时通讯,完成ZYNQ端输出融合图像上传到PC端,并与PC端融合图像进行质量评价对比。在PL端,利用Vivado HLS工具将优化图像融合算法封装为IP核,进行硬件工程Block设计。在PS端,利用Peta Linux工具移植Linux系统、通过交叉编译实现OpenCV、Qt库函数的移植。

关键词： 智能安全帽   嵌入式系统   深度学习   流媒体   YOLO   RTSP  

摘要： 随着我国建筑行业的发展,施工工地人身安全问题日益凸显。此外人工智能芯片和深度学习技术的广泛应用,使得人工智能技术应用在嵌入式系统成为可能。本文根据亟待解决的安全施工和信息化管理需求,对基于嵌入式Linux的智能安全帽进行了技术上的研究与功能上的实现。首先,本文对智能安全帽课题的研究背景进行了介绍,简述了智能安全帽的国内外研究现状,调研了嵌入式人工智能设备的研发和应用现状。之后分析了智能安全帽的需求,表明了研究意义。阐述智能安全帽系统的总体设计,包括硬件架构核心处理器、主控模块、硬件外设设备和关键的流媒体技术。然后,根据智能安全帽的需求,设计系统软件总体方案以及各层次软件的具体功能。经过移植系统引导程序,剪裁操作系统内核,制作Jffs2根文件系统等过程,实现了Linux操作系统在嵌入式平台上的运行。此外,外设设备的移植与开发环境的搭建完整构建了智能安全帽系统的软件平台。然后重点研究了作为智能安全帽功能实现基础的视频系统,包括视频数据采集、输入、处理、编码的完整流程。针对无线网络信道质量容易波动的情况,设计了数据速率自适应调整功能,介绍了用于网络速率估计的Padhye模型和自适应调整策略。结合RTSP流媒体协议构建了自适应调整功能的视频部分,根据不同网络条件通过改变视频分辨率适应当前网络传输质量。接着,为了实现辅助工地标志识别功能,研究了基于视频的深度学习目标识别算法。针对本课题嵌入式平台的资源较少和移植的可行性,提出了对Yolov5s网络结构轻量化改进的需求。引入轻量化网络结构改进原模型中的主干特征提取网络,同时引入通道注意力机制中的压缩-激发模块提升网络识别准确度。在满足识别精度的前提下,大幅减少网络层数和结构复杂度实现了Yolov5s网络模型的轻量化改进。最后,搭建课题的嵌入式验证平台并验证系统效果。测试了自适应数据传输功能中的视频系统部分。测试了工地标志识别算法的性能。

关键词： NB-IoT技术   环境监测   嵌入式系统   云服务   数据建模  

摘要： 随着中国城市化进程的加快和物联网技术的广泛应用,为了更好的服务数字城市的建设,现阶段各种机构在城市当中逐渐开始建立起基础的数字环境监测系统,并根据城市实际情况进行监测系统节点的布局,保证可以充分的获取城市内各个区域的环境情况数据,以供各种情况所需的科学研究分析。本文针对目前主流的城市环境检测系统搭建方案进行全面升级优化,围绕硬件选型、监测节点组网方式优化、远程数据通信方式选择和云端数据处理并搭建预测模型展开研究,主要研究工作包括以下几个方面: 首先,本文对环境监测数据采集系统进行了结构设计和技术应用的优化工作,针对现阶段环境监测数据采集过程中,需要对监测点固定、无法随时调整布局,综合布线不便捷、故障排查相对繁杂等问题,本文采用了Zig Bee技术(又称紫蜂,是一种低速短距离传输的无线网上协议)和NB-IoT技术(Narrow Band Internet of Things窄带物联网技术)相结合的方式,优化了环境数据监测子系统中,各节点的网络连接结构和通信协议,减少了线路布放,进行了节点通信的网络稳定性仿真,增加了数据汇聚处理流程,进行了终端数据采集节点的电路连接设计等工作;针对数据收发过程中传输速率、资源利用率低的问题,采用了边缘计算理念,优化了数据传输模式,提高系统故障容错率;最后通过仿真结果和系统资源占用率的监测、极限情况下的数据传输测试等,验证了环境监测数据采集子系统设计的可行性。 其次,本文对于环境云监测系统中云端环境数据接收处理程序进行了设计,优化了数据发送和处理的算法,搭建了数据预测模型,不仅实现了环境数据实时监测,同时还能进行未来短时间内环境情况变化的预测。针对不同传感器节点数据的接入,采用了Java微服务架构体系、Vue和My SQL数据库技术等,搭建了云端Saa S服务,统一数据接口,避免同种类但不同数据结构的传感器接入时重复增加数据接收格式,造成云端系统设计冗余,增加了系统稳定性。 最后,针对数据资源无法得到充分利用的问题,本文建立了基于主成分及多元线性回归的环境预测模型,通过对数据模型的训练和测试,模型拟合的可解释性能达到89%,证明了数据模型建立的准确性和可靠性。

关键词： 脑电图   注意力   经颅直流电刺激   嵌入式系统  

摘要： 注意力是人的心理活动对某一对象的定向和集中。21世纪以来,人们对于儿童的发展成长十分重视,经研究表明每年都约有3%～7%的学龄儿童患有注意力相关的疾病,最常见的为注意缺陷与多动障碍(Attention deficit and hyperactivity disorder,ADHD)。ADHD通常表现为注意力不集中、注意持续时间短暂、多动和不适当的冲动等。这些行为几乎影响着日常运作的每一个领域,这些症状对人们的工作、人际关系和自尊产生了负面影响,使他们焦虑、情绪不稳定和易怒。然而,目前对于注意力的检测更多的是使用心理学量表来主观评判,缺乏一些客观的手段来检测注意力。此外,对于注意力的治疗,更多的是药物和心理治疗,存在着治疗时间周期长、治疗效果不稳定等问题。因此,为了解决这些问题,本文旨在制作一款能实时准确地检测注意力和有效地强化注意力的系统,该系统使用脑电信号(Electroencephalogram,EEG)作为判断注意力的客观信号,采用经颅直流电刺激(transcranial Direct Current Stimulation,tDCS)作为外部调控手段。本文对注意力、脑电信号和经颅直流电刺激的理论知识进行了详细调研,并且分析了注意力和脑电信号以及注意力和经颅直流电刺激的联系。结合前期的理论知识,设计并制作了一款基于嵌入式的注意力检测和强化系统,系统分为两个部分,包括可采集单通道脑电数据并且进行经颅直流电刺激的便携式设备和用于人机交互的嵌入式平台。根据国际10—20标准,整个系统以左前额叶(FP1)为活动电极,左侧枕叶(O1)为参考电极,左耳垂(A1)为地电极采集单通道脑电信号,采用实时的算法提取该信号的节律成分(θ和β),以β和θ的频带能量的比值:Eβ/Eθ作为衡量注意力的特征。对电刺激而言,以左额(F3)为阳极、右额(F4)为阴极,进行幅值为1mA、时长为10分钟的经颅直流电刺激。最后,为了测试整个系统的效果,本文对15名被试做了注意力检测和注意力强化实验。对于注意力检测实验,结果为15个被试在做集中注意力的任务时的Eβ/Eθ均高于做不集中注意力的任务时的Eβ/Eθ。对于注意力强化实验,在经颅直流电刺激前后分别进行一次舒尔特测试并采集脑电信号,结果为12个被试在刺激后做舒尔特测试所消耗的时间更短且Eβ/Eθ的比值变高。以上结果证明整个系统可以准确地检测注意力并且有效地强化注意力。

关键词： 便携式受电弓检测仪   嵌入式系统   ARM   μC/OS  

摘要： 受电弓是电力机车从接触网获取运行所需电能的重要高压设备。传统的受电弓检修方式存在着很大的局限性:人工检测精确度不高;大型试验台操作繁琐,需拆卸受电弓;部分便携式检测仪造价高昂,实用性不佳。针对以上问题,本文结合ARM(Advanced RISC Machines)嵌入式技术,搭配μC/OS-III操作系统和em WIN图形界面,以STM32F407ZGT6芯片为核心,研究一种新型便携式受电弓检测仪的控制系统,有效降低了仪器成本,提高了检修人员工作效率和准确性。主要工作内容如下:首先研究受电弓检修技术和嵌入式技术的发展现状,对比单片机、工控机、ARM芯片等三种典型的便携式受电弓检测仪控制系统核心的优劣,提出了基于ARM技术的便携式受电弓检测仪的控制系统设计方案。根据嵌入式系统通用设计流程,完成了便携式受电弓检测仪控制系统的整体设计。采用模块化的设计方法,将整个系统划分为电源、人机交互、微处理器、通讯、机械、数据采集六个模块,并设计每个模块所需要实现的功能。整个仪器分为硬件系统和软件系统两大部分:硬件系统以STM32F407ZGT6芯片为控制核心,完成了对各个模块的硬件选型,电路设计,以及模块之间的电路连接。软件系统分成操作系统层和软件应用层两个部分。利用μC/OS-III操作系统实现各个子程序之间的任务调度和协同,并根据不同的功能模块在MDK软件下分别开发了相适应的程序。利用em WIN图形界面库和TFTLCD显示屏搭建了良好的人机交互界面,方便检修人员使用。采取串口调试方法,针对不同模块设计了相应检测实验,确保硬件系统正常工作。设计整体测试实验,确认所设计的便携式受电弓检测仪的控制系统满足受电弓静特性检测需求;对仪器的测试精度分析表明其检测精度高于人工检测一个数量级;经济性分析表明所设计的控制系统可以有效降低成本。本论文共有图60幅,表11张,参考文献53篇。

关键词： 电能信息采集   LZO数据压缩   嵌入式系统   EMC测试  

摘要： 随着国家“双碳”目标的提出,电气化形势成为必然,电能使用愈发广泛,为了保证供电安全稳定,电能管理系统需要优化电力资源的管理,以此保障电力系统的稳定。电能信息采集系统作为电力系统的重要组成部分,能够实现远程实时采集电能数据,并上传至主站中心,便于信息管理;主站中心工作人员可以通过分析用电数据,调整用电结构,为电能管理系统提供绿色用电决策。根据用电数据采集和数据传输的需求,本文设计了一种基于uC/OS嵌入式实时操作系统的电能信息采集系统,系统包括电源模块、通信模块和存储模块等模块的设计。针对目前电能信息采集系统中存在的问题:通信方式少且效率不高;远程通信数据量大,通信费用高。本文从以下几个方面研究、设计并提出解决方案:(1)针对电能信息采集系统普遍使用单一通信网络进行数据传输的局限性,采用多种通信网络实现对电能数据的传输。通过研究对比几种通信方式,本文选择在采集终端与智能电表之间采用RS485通信采集,采集终端与主站之间采用4G、LoRa(Long Range Radio,LoRa)和以太网的方式进行通信,能够兼顾终端通信灵活性和网络传输速度的要求,实现远距离、高速稳定传输电能数据。(2)为了解决数据传输过程中通信数据量大和通信费用高的问题,本文结合LZO(Lempel-Ziv-Oberhumer,LZO)无损压缩技术和游程编码技术,对数据压缩方案进行研究。终端在采集电能数据时,把报文帧数据做转置预处理,使其出现连续重复的特性,符合游程编码技术的编码规律,然后对处理后的数据使用游程编码技术进行数据压缩,输出编码文件后再使用LZO进行二次编码。经过实验验证,该方案提高了数据传输的通信效率,为高频数据采集和大规模数据传输提供了可行性方案。(3)为了实现参数配置界面的可视化,方便工作人员在现场配置参数、调试设备和查看数据,本文基于Qt软件设计了上位机软件。上位机软件可以通过RS232串口通信对采集终端进行参数设置,RS485采集电路根据下行采集参数对电能数据进行采集,通信模块根据系统参数连接主站服务器并上传电能数据,以供主站工作人员分析、处理和监测用电信息。(4)电能信息采集系统的功能测试及验证分析。该系统在应用前,采用触摸式全智能组合式干扰发生器在浪涌、快速瞬变脉冲群和静电三个方面开展电磁兼容性(EMC)做测试,保证系统在电磁环境下的抗干扰性能,经过测试均符合国家标准。采用采集终端、上位机软件和服务器作为实验平台,对系统的采集参数下发、电能数据采集、服务器连接和数据上传主站等一系列进程进行验证测试。测试表明,本文设计的电能信息采集系统满足设计要求。

关键词： 海缆巡检   磁法探测   无缆水下机器人   ROS   嵌入式系统   三分量磁通门  

摘要： 随着海洋资源开发进度的快速发展,海缆技术的应用越来越广泛,海底电缆作为跨海物联网工程的重要组成部分,在跨海通信、电能传输、海洋新能源开发等重要领域起着无可替代的作用。但由于自然因素和人为因素的影响,海缆难免会受到损伤与破坏,并产生一系列安全问题。由于海缆自身结构复杂、运行环境恶劣,导致海缆的维修工作极其艰难,因此设计一款能实现海缆自主巡检的AUV对于海缆维修具有实际意义,如巡检过程中根据故障点衰减模型判断是否为海缆断点、基于光学原件观察海缆细节等。本文针对目前海缆巡检和维护困难的情况,基于双螺旋桨矢量推进的海缆巡检自主水下航行器(Autonomous Underwater Vehicle,AUV)平台,对AUV巡缆系统设计和海缆自主巡检算法等方面进行研究。本文主要研究基于三分量磁通门传感器的海缆巡检方案,通过建立海缆磁场模型,研究海缆周围磁场与AUV相对海缆方位的关系,目的是准确控制AUV跟踪海缆前行。该系统通过三分量磁通门获取海缆周围的磁场变化,使用傅里叶变换得到三个分量的磁信号频谱图,并计算AUV相对海缆的方位,从而实现AUV的姿态调整和海缆跟踪。AUV巡缆系统由底层控制系统和顶层控制系统组成,底层控制系统负责数据采集和矢量控制,顶层控制系统负责磁信号分析和姿态决策。经过多次实验室模拟测试和水池航行测试,结果表明:使用三分量磁信号计算AUV相对海缆的方位并控制AUV跟踪海缆前行的方案是可行的,且取得了满意的成果。其中模拟海缆巡检试验验证了巡缆算法的可靠性,AUV可以根据海缆周围磁场信号的变化实现海缆自主巡检。