课程文献中心 更多>>

关键词： 椎体成形术   骨水泥   遥控注入   嵌入式系统  

摘要： 随着人口老龄化趋势日益严峻,我国因骨质疏松引起的压缩性椎体骨折患者逐年增多,椎体成形术是治疗骨质疏松性椎体压缩性骨折和脊柱转移瘤的有效手段。目前传统椎体成形术手术器械在减轻医生手术负担、保护医生免受放射线伤害等方面仍有改进空间,为此,本文将结合椎体成形术操作规范,设计一款集搅拌、注入点深度调节、远程遥控注入、椎体腔状态监测功能于一体的骨水泥远程遥控注入辅助装置。主要研究内容如下:首先,从椎体成形术操作规范和临床角度考虑,确定装置的真空搅拌、注入点调节等功能需求,并明确相关设计参数,进而提出采用蓝牙进行无线通信,注入点调节功能和推注功能在不同机构上实现的总体设计方案。然后,对辅助装置的注入点调节模块和推注模块的机械结构展开设计,并确定角撑倾角;对推注控制策略、注入点调节控制策略、搅拌控制系统等电控部分进行设计,并对重要电控设计进行合理性仿真分析。而后,建立骨水泥固化过程中黏度变化数学模型,利用Fluent对骨水泥在运输通道内的流动进行仿真计算,分析压强变化情况,进而确定推注步进电机扭矩。最后,对装置的嵌入式系统架构进行设计,确定嵌入式系统硬件方案,开展主机和遥控器的电路设计,并用Altium Designer进行PCB绘制;开展程序设计,对嵌入式系统的各个子模块软件架构、主程序进行设计,最后完成程序编写并展开功能测试。

关键词： 深度学习   百香果目标检测   立体匹配   双目视觉测距   嵌入式系统  

摘要： 随着乡村振兴政策的不断深入推进,我国在农业作物上的产量逐年攀升,尤其是水果产量方面,然而当前我国大多数的水果供应链其采摘环节仍主要依靠人工,不仅效率低下,且随着人力成本的不断升高,势必会阻碍水果产业的进一步扩大发展,无法满足市场的供求。为了克服以上限制,当下使用水果采摘机器人代替人工采摘逐渐成为研究的热点,且今后必将成为果园农业管理现代化的发展趋势。其中,识别定位系统作为机器人采摘的关键,其对于复杂目标对象的判断、目标深度值的计算以及双目测距模型与目标检测模型的整合具有一定的难度,同时要兼顾嵌入式的落地。其在技术上的突破,必能有效提高水果识别与定位的性能,从而提升采摘精准度,提升效率,降低成本的同时带动水果产业进一步发展。本文主要针对自然环境下百香果复杂目标识别度不高、目标深度值计算精度较低以及测距模型和目标检测模型的结合等问题,研究并改进了基于深度学习网络的果实目标检测模型和基于双目视觉的目标果实测距定位算法,并将其布署在NVIDIA Jetson TX2嵌入式平台,实验结果表明在水平方向上对目标百香果进行识别定位精度相对最高,平均相对误差为10.32%;而在正下方进行识别定位,其平均相对误差最高,为12.85%。其研究结果为百香果水果采摘机器人实现奠定了基础。文章主要的研究工作分以下三部分:(1)果实目标检测。提出了基于YOLOv3的百香果检测模型,在对通用目标检测模型进行理论结构分析和验证的基础上,针对百香果目标尺寸的特点,利用基于交并比为距离度量的改进K-means++算法重新获取与目标果实相匹配的锚选框,提高对目标的框选精度以及模型的收敛速度;其次,在输出网络中将用以筛选目标预测框的Soft-NMS算法通过线性函数的形式对其高斯函数的抑制参数进行改进,以提高模型在不同密集场景下的适应性和检测能力。最后,利用增强的YOLOv3模型在经过预处理之后的百香果数据集上进行实验对比,实验结果表明:增强后的YOLOv3目标检测算法m AP达到94.62%,F1值达到了94.34%,较原YOLOv3算法分别提升了4.58%和3.68%,平均检测速度为25.45帧/s。(2)基于双目视觉的百香果果实测距方法及其实现。首先,分析了双目视觉测距的基本原理及流程,其次,在MATLAB平台采用张正友标定法实现了对双目相机镜头参数的获取,重投影误差为0.07,解决了相机畸变导致双目视觉测距精度变差的问题;再有,分析了计算视差的匹配算法的基本实现流程,研究并实现了SGBM立体匹配算法,该算法具有立体匹配效果好、运行速度适中的优点,适合于嵌入式系统的需求。最后,通过Python语言在Py Charm平台上对基于YOLOv3算法的测距模型进验证,试验结果表明以上算法完全满足百香果的高精度目标定位功能需求,为该算法在嵌入式平台的实现奠定基础。(3)基于嵌入式开发平台的果实识别与定位软硬件系统的实现。首先完成NVIDIA Jetson TX2平台操作系统及环境的基本安装,并基于Deep Stream框架完成了对python开发环境的部署,实现了对视频流的解编码及加速;其次,将YOLOv3目标检测算法移植入所部署的环境中,并在嵌入式系统上完成了YOLOv3的训练;最后,基于SGBM立体匹配算法,实现了百香果目标识别与定位。试验验证表明,该系统在性能上基本满足果实实时识别与定位的需求,在90cm的识别范围内,百香果的平均识别率为97%,平均帧率达到20fps,测距的平均相对误差为11.30%。

关键词： 步态分析   可穿戴式   嵌入式系统   融合算法  

摘要： 步态特征是指人类运动时下肢的运动特征参数,主要与时间空间相关。通过客观量化的方式将人体下肢的步态状况表示出来,用于分析被测者是否存在潜在的疾病或评估患者下肢康复情况。但是现有的步态采集系统因为体积大,需要特定环境与空间的设置,要求患者必须在医院中才能进行检测,存在成本高、效率低的缺点。因此本文设计了一种低成本的可穿戴式步态测量分析系统,使用该设备可以有效降低采集成本,简化采集工作。主要研究工作如下:采用惯性传感器（IMU）和压力传感器信号融合的方式来提取步态特征信息。通过使用压力传感器提取出被测者行走时脚底的压力数据,经处理后计算出相关的步态时相信息;使用IMU传感器提取与空间相关的原始数据。之后,将实时的步态时相信息和空间信息的原始数据进行采样存储,并通过无线通信的方式将系统中存储的数据打包发送到上位机端进行最后的数据分析。本文完成了传感器信号采集、微处理器外围电路、电源管理模块、FLASH储存模块、无线通信模块的硬件电路与程序设计。在此基础上,通过上位机中的特征计算程序对IMU传感器与压力传感器所提取的原始数据进行拟合处理,提取出关键的步态特征参数。针对IMU传感器原始数据难以直接转换为步态特征信息,本文设计了一种基于原始数据处理的方法取出关键的姿态角、步速、步长等信息。首先需要对IMU传感器进行精准标定,采用六位置标定的方法将IMU传感器的静态误差降到最低;其次,使用Mahony算法将加速度计与陀螺仪原始数据进行拟合,做闭环处理提取出四元数,通过转换公式将四元数转化为欧拉角;最后,使用零速度检测的方式,将加速度累积的积分误差进行处理,得到精确的速度与位移数据。系统软硬件设计、调试完成后,进行了步态测试实验。实验结果表明,本系统的步态周期准确率在97.5%以上,最大偏差为100ms步速的准确率在90.03%以上,最大测量偏差为7cm/s;步长的准确率在80.05%,最大偏差在11.7cm左右。最后通过实验验证了本系统的可行性。

关键词： 人工血泵   脉搏特征   EMD算法   嵌入式系统  

摘要： 在外科医疗手术过程中,尤其是心脏手术或面对心衰患者时,都需要依赖体外血液循环设备进行辅助供血,而人工血泵正是该设备的核心模块。常规的人工血泵控制模式大多采用恒定转速模式,使得体外输血灌注过程呈连续平流状态,但是鉴于人身体内的血液循环是靠心脏泵动产生的搏动性来供血的特点,且各患者的心脏泵血特征各不相同,导致市场上的人工血泵不能很好地模拟患者本人的心脏泵血过程,无法精准匹配患者生理及临床手术对供血的需求,给外科临床手术带来一定的风险。 本文以解决人工血泵无法根据患者自适应控制问题为目标,通过研究人体心脏泵血机理与脉搏波特征理论,提出一种利用经验模态分解(Empirical Mode Decomposition,EMD)算法对脉搏特征进行分析的控制系统,构建血泵控制模型,实现对人工血泵的控制,并搭建人工血泵实验平台开展相应的实验研究,具体的工作包括: 首先,一方面对心脏结构及泵血机理进行相关研究,构建血泵控制模型,另一方面分析脉搏波信号特征以及脉搏信号检测原理。在此基础上,针对脉搏信号的低频易干扰问题,利用低通滤波器和运算放大器设计脉搏信号采集模块,从而提高采集的脉搏信号准确性,为后续开展脉搏信号分析和构建更精确的泵血控制模型奠定基础。 其次,鉴于人工血泵控制模式缺陷及脉搏信号特征特点,本文提出了一种基于EMD的改进算法,本文提出的改进算法有效解决了传统EMD算法缺陷所导致的模态混叠与端点效应问题,利用叠加正负白噪声与融合二阶差分波峰波谷算法来分解成多个可表征的简谐波子分量,从而提高信号分析系统的准确性和实时性。仿真实验结果表明,改进后的EMD算法有效可靠,其分解后的重构信号与原始信号的相关系数为0.997,与传统EMD算法相比,误差值缩小24%左右,并且分析结果稳定,相关系数的误差范围缩小。 最后,结合改进后的算法,设计自适应人工血泵实验平台,包括改进优化血泵控制模型、实验硬件系统设计和控制软件设计三部分内容。实验硬件系统以ARM系列单片机为控制中心,根据脉搏采集方法选用光电脉搏传感器,以及采用可调速水泵来模拟血泵泵血。再通过C#与Matlab混合编程,设计上位机,调用改进算法分析信号,将分析处理后获取的特征数据驱动控制水泵,并融合多传感器,实现脉搏信号与水泵流量输出实时显示,对系统工作过程进行数据监测。最终通过多组实验分析对比,验证了本文设计的基于脉搏分析的人工血泵控制系统可行,为后续开展自适应人工血泵的研究奠定前期基础。

关键词： 智能无人机   机载计算   嵌入式系统   边缘推理   目标检测  

摘要： 随着无人机在民事和军事中越来越广泛和深入的应用,机载智能技术逐渐成为各科技和军事强国的角逐热点。无人机的智能技术通常建立在对各类感知的计算上,而结合遥感和计算机视觉技术的目标感知是当前无人机自主飞行、自动搜救、自动监测和军事侦察等多种场景中最有效的智能手段。为了更大范围地感知环境,高光谱、红外、可见光和雷达等多元视觉感知常被用于无人机,它们在获取更多原始信息的同时也大大增加了机载数据规模。受地面通信带宽、传输时延和实时性约束,以及特殊场合对知识产权自主可控的要求,国产无人机的机载感知计算常常成为实际应用中的一个重要瓶颈。针对无人机机载目标感知的实时计算问题,考虑实时性要求、环境资源限制和知识产权自主可控等因素,本文从分布式协同处理和硬件加速两个方面研究机载环境的目标检测计算问题,设计与实现了一种目标感知的异构多处理器机载嵌入式系统。主要工作如下:(1)设计了一种机载感知计算的分布式协同处理方案。感知计算中目标检测的并行加速需解决工作流各环节到处理器的映射问题,对此本文分三个步骤展开研究,首先明确了目标检测预处理、推理和后处理等工作流环节的计算特点,讨论了各类主流处理器的计算特性;之后确定了各工作流环节到CPU、ASIC和FPGA核心的映射关系;最后确定了协同目标检测方案,为了便于扩展计算资源,提高系统的可靠性,本文将各工作流环节独立地映射于多个不同核心的板卡设备。(2)设计与实现了一种由异构多处理器组成、知识产权自主可控的机载感知计算嵌入式系统。系统分为实时目标检测系统和GNSS实时定位系统两个部分。前者是分布式协同处理方案的具体实现,包括3个环节对应的3个板卡和1个背板的硬件电路设计与实现,其中,推理板卡上集成了4个ASIC加速核心;后者作为飞控的一部分为无人机的航行和遥感影像矫正提供前提,包括用于解算卫星定位数据和位姿定位的GNS S和IMU模块,也包括DGNSS数据链部分的通信模块。(3)在所设计和实现的嵌入式系统上,实现了一个用神经网络推理方法完成的附加位置信息的目标检测应用实例。针对目标检测推理环节的实时性瓶颈,本文将深度神经网络端到端层面的数据并行方法推广至工作流层面,首先确定了将输入视频流按帧划分的数据划分策略,之后,使用机会负载均衡静态调度方法实现了划分后的数据到ASIC推理处理器的映射过程。针对GNSS定位问题,首先实现DGNSS系统的数据链部分,之后完成了RTK差分数据结合原GNSS数据的定位输出部分。最后,本工作也验证了本文设计方案和系统的有效性。

关键词： 电容层析成像   微小电容检测   嵌入式系统   稀疏算法   多相流检测  

摘要： 多相流普遍存在于自然界和工业生产中,其有关参数密切影响着工业过程的安全及生产效率。电容层析成像技术一种以重构测量区域的介电常数分布为目标的图像重建技术,具有非侵入式测量、可视化、实时性好、安全和无辐射等优点,被广泛地应用于多相流检测之中。本文设计了一套用于多相流非侵入式检测的电容层析成像系统。 在检测设备方面,首先,采用柔性印刷电路板技术针对常见的圆管形多相流流动管道设计了8电极的末端检测传感器。其次,设计了交流激励型微电容检测电路,利用Red Pitaya开发板生成激励信号并检测转换后的信号,采用STM32单片机进行I/O控制,并且设计了Red Pitaya和STM32之间的交互采集程序。最后,设计了电脑端和Red Pitaya的数据传输程序,并在人机界面上实现检测过程的可视化。 在图像重构算法方面,将重构信号的边缘稀疏性作为L1范数约束,并采用Spilt-Bregman算法进行求解。静态流型模拟实验中,图像重建结果表明该算法可以有效提高图像重建质量。相较于传统算法,使用上述算法重构的图像具有更高的图像相关系数(0.88左右),以及更低的图像重建误差(0.36左右)。 多相流非侵入式检测实验中,首先,通过干砂、油气水层流模拟实验验证了所设计的系统可以检测出多相流流动物质分布。其次,通过橡胶棒转动实验验证了所设计系统的动态检测性能。最终,使用所设计的设备完成了对酒精溶液中小球下落过程以及油液在管道中的注入过程的检测,图像重构结果表明所开发的多相流非侵入式检测设备可以实时检测多相流流动过程。

关键词： 激光调阻机   测控系统   嵌入式系统   调阻控制策略   信号调理  

摘要： 在厚膜电阻的生产过程中,通过印刷技术制造的电阻相对误差达到10%-30%,难以满足高精度应用的需求,因此需要对电阻进行进一步加工以提高电阻精度。激光调阻由于其高效率、无污染、高精度等特点已成为现阶段主要的调阻方式。由于我国在激光调阻领域起步较晚,国产激光调阻机性能与国外产品差距较大,尤其是在中高端产品领域,系统的调阻精度与调阻效率还有较大的提升空间。激光调阻机测控系统主要负责电阻测量与激光控制,决定系统的调阻精度与调阻效率,因此亟需对激光调阻机测控系统进行研究。 为了提高激光调阻机测控系统的调阻精度与调阻效率,本文设计了一种嵌入式激光调阻机测控系统,并对激光调阻机调阻控制策略进行了研究。基于高级精简指令集微处理器(Advanced RISC Machine,ARM)与开尔文测阻法对激光调阻机测控系统进行硬件设计:采用ARM作为主控制器连接各硬件模块,实现数据交互与模块控制;基于开尔文测阻法,设计了电阻值测量模块,实现了对电阻值的采集;通过ARM的输入输出接口连接激光器与振镜,实现对激光的精准控制。以事件驱动为程序设计框架完成了系统软件功能设计,实现了通讯逻辑交互、电阻测量与激光控制的驱动程序与系统逻辑,并根据调阻流程,设计激光调阻逻辑,实现了对电阻的自动调节。基于电阻测量逻辑与调阻逻辑,对激光调阻机测控系统的模拟电路进行误差分析,分别采用最小二乘法线性拟合与软件自动补偿的方法对系统的测量误差与电压定位误差进行校准。基于电阻刻蚀路径与阻值关系,结合横向刻蚀与纵向刻蚀对电阻变化率的数值分析,提出动态控制L型刻蚀路径的激光调阻控制策略,在提高调阻精度的同时也提高了调阻效率。 实验表明:激光调阻机测控系统的测量精度能够达到0.005%,在连续调阻下,调阻精度能够保持在0.1%之内。在使用了动态控制L型刻蚀路径的激光调阻控制策略后,相对于由经验法确定激光刻蚀长度的激光调阻控制策略,调阻效率提高了13%。

关键词： 嵌入式系统   深度学习   目标检测算法  

摘要： 当前嵌入式系统中的目标检测算法可以通过芯片来实现,或者通过结合云端互联网技术来实现。前者通用性差无法推广普及,后者过于依赖网络技术可能带来额外运行时间的消耗,在网络信号差时,甚至无法进行目标检测任务。由于这两者的目标检测算法的算力较大,在RK3288开发板上无法流畅地进行目标物体检测。针对于这一问题,本文提出嵌入式系统中的快速目标检测算法,致力于实现嵌入式设备下的快速目标检测。本文主要工作如下:(1)设计了一个小而高效的目标检测算法。基于Re LU激活函数在低维度时会带来精度损失的问题,受当前Re LU6和PRe LU激活函数的启发,改进激活函数,减少精度损失的同时避免部分神经元不学习的问题。基于YOLOv4-tiny算法的主要计算块算力较大的问题,使用两个残差块替代基准网络计算块中主要用于特征提取的部分,设计一种快速有效的特征提取骨干网络,使得模型检测速度在RK3288开发板更加流畅,在保持检测精度的同时,检测速度约是基准网络的4倍。(2)提出了Mosaic数据增强的改进。经研究发现,当前YOLOv4的Mosaic数据增强可能会产生部分图像块没有目标的样本,从而导致在训练模型时,无法充分利用每张样本数据,没有把Mosaic的作用发挥到极致;当网络输入大小较小或数据集包含很多小目标物体时,使用Mosaic可能产生目标物体过小的样本,导致模型学习能力变差,给模型带来精度的损失。基于以上问题,在进行Mosaic数据增强时,把标签考虑进来,尽可能截取更多的目标物体以及过滤掉过小的目标物体,达到充分利用样本数据的目的,使得检测模型在网络输入较小时可以采用该数据增强方法,达到提升检测模型精度的目的。对训练好的目标检测模型,利用NEON技术进行优化,然后对卷积层和BN层进行融合,节省了BN层的推理时间,进一步加快检测模型的推理速度,在RK3288开发板上的推理速度约8帧每秒。对比已有的算法并进行大量的实验验证,实验结果表明所提方法在检测精度和检测精度上达到折衷,具有一定的实用价值。

关键词： 轻量级卷积神经网络   场景文本检测   场景文本识别   嵌入式系统  

摘要： 文字,是人们日常生活中主要的信息来源之一。文本检测和识别技术,一直是计算机视觉领域的重要研究内容。自然场景文本由于背景复杂、文本格式多样、成像条件不确定,处理难度较大。基于深度学习的场景文本检测和识别算法凭借良好的鲁棒性和泛化性,被广泛应用于智能交通系统、票据证件识别等场景。但是,主流的场景文本检测和识别模型结构复杂、参数量大,难以在资源有限的嵌入式平台部署。在上述背景下,本文研究并设计了轻量级场景文本检测和识别算法,在成本低、功耗低、算力有限的嵌入式平台实现部署。本文研究了轻量级场景文本检测算法,用于检测多向四边形文本。特征提取层获取图像的特征信息,特征融合层融合多尺度特征,预测层使用像素级的文本/非文本预测,后处理从二值化文本概率图中提取文本框。在ICDAR2015数据集上进行对比实验,在MSRA-TD500数据集上进一步验证模型性能。与基准模型相比,本文研究的算法在较小的性能损失下,模型大小降低为原来的4%左右,帧率提高了 46%-69%左右。本文研究了轻量级场景文本识别算法,用于识别水平矩形文本。特征提取层获取文本的视觉特征,序列建模层获取文本序列的上下文特征,基于CTC算法的预测层使用最大后验概率得到识别的文本。在多个数据集上进行对比实验,验证模型性能。与基准模型相比,本文研究的算法在较小的性能损失下,兼顾了实时性,模型大小降低为原来的4%左右。本文设计了嵌入式场景文本检测识别系统。在车牌数据集上训练模型,OpenVINO模型优化器负责模型转换和模型量化。模型部署到嵌入式系统-树莓派,OpenVINO推理引擎驱动NCS2实现硬件加速。算法中透视变换用于矫正倾斜文本,连接本文设计的文本检测和文本识别模块。经测试,嵌入式场景文本检测识别系统运行帧率约为3FPS,对不同拍摄角度和距离具有一定的鲁棒性,准确率较高,适用于停车场卡口的车牌识别。

关键词： 脑电信号   时序神经网络   抑郁症识别   麻醉监测   嵌入式系统  

摘要： 脑电图(Electroencephalogram,EEG)是一种检测脑部皮层电信号的技术,可以反映出人体的脑部生理状况,常被用于辅助诊断癫痫、抑郁症等脑部疾病。由于EEG波形高度随机,人类很难直接发现其与脑部疾病的相关性。随着人们对健康需求的提升以及人工智能技术的发展,科研人员提出了各种EEG信号处理和分析方法,为临床医学研究提供了更多的技术手段。本文利用时序神经网络对EEG信号进行处理分析,并在抑郁症诊断和麻醉深度监测这两类临床问题上展开研究。重度抑郁症是一种严重的精神疾病,其患者通常表现出极度厌世的状态。据统计,全球每年约有近百万人因抑郁症自杀而丧生。因此,抑郁症的识别与治疗成为了医学研究的重点。目前,抑郁症诊断很大程度上取决于自测量表和精神科医生评估,这种方式的主观性较强,导致抑郁症诊断的准确率偏低。近年来,研究人员提出了许多基于EEG和机器学习算法的抑郁症分类方法,但识别精度仍有待提高。麻醉深度监测是临床手术中重要的生命维持监护手段之一,麻醉不足或过量都可能给患者带来严重影响,如术中知晓、自主呼吸障碍等。血压、心率以及呼吸频率等临床指标可用于麻醉深度的估计,但由于患者体质及麻醉药物的不同,这些指标的表现差异较大,所以单一地分析这些临床指标并不可靠。针对上述背景与问题,本文分别提出了基于时序神经网络的抑郁症分类和麻醉深度监测框架,并进行仿真实验与分析。论文的主要工作包括:1、提出了一种基于EEG和门控循环单元的抑郁症分类框架。通过多种预处理手段对原始单通道EEG进行去噪,提取其微分熵特征,利用门控循环单元网络进行特征分类。为验证框架性能,本文搭建了不同脑电特征、不同网络模型的框架进行对比实验,并对模型进行评估。实验结果表明,在符合实际临床意义的前提下,本文提出的分类框架可以提高抑郁识别精确率。2、提出了一种基于EEG和Transformer编码器的麻醉深度监测框架。首先对原始单通道EEG进行预处理,提取频谱和微分熵特征,将两类特征融合后送入Transformer编码器网络,完成麻醉深度的预测。实验结果表明,小波频谱和微分熵的特征融合结合Transformer编码器网络预测性能最优。3、设计了一种基于单通道EEG的便携嵌入式麻醉深度监测系统。系统的搭建工作主要包含软硬件集成和可视化界面设计。该系统首先对脑电信号进行采集,并完成去噪等预处理操作,最后结合前期的深度学习模型进行麻醉深度的实时预测。