课程文献中心 更多>>

关键词： 红外阵列传感器   嵌入式系统   轻量化神经网络   三维卷积神经网络   动作分类  

摘要： 在我国,随着医疗保健水平的显著提升和生活条件的改善,老年人口的平均寿命持续增长,加之生育率下降等其它因素,导致老龄化问题日益凸显。因此,针对高龄人群的健康医疗保障与伤害预防在当前的医疗安全监护领域显得尤为重要。特别是人体行为监测和跌倒检测这两项功能,它们对于提高高龄人群的生活质量和保障其安全具有重要意义。然而,目前这两项功能普遍采用图像视觉和穿戴式设备等传统解决方案,可能会引发隐私泄露问题和与用户日常习惯的冲突。为应对这一挑战,本文以红外阵列传感器作为数据采集源,设计了一种基于深度学习的嵌入式人体行为分类与跌倒检测系统,旨在保护隐私的同时实现高效的人体行为分类与跌倒检测。该系统借助轻量化的神经网络算法,对采集到的环境与人体温度信息进行处理,从而实时监控人体动作并准确检测跌倒事件。与其他依赖相同传感技术的方案相比,本文的方法通过增强动作识别的动态性和系统的集成度,大幅提升了功能的实时性和系统的使用便捷性。论文的主要研究内容如下: 首先,构建了人体姿态数据自动化采集与处理系统。该系统主要由基于松下公司的低分辨率红外阵列传感器的采集模块、控制模块和数据处理模块组成。与已有数据采集方案相比,所设计的系统增加了红外遥控、数据定时采集、数据预处理和数据自动存储等功能,实现了固定时间长度数据的批量自动化采集和高效的大规模数据可视化、裁剪、标准化和标记,从而用于进一步的模型训练。为了满足低算力和高稳定性的要求,提出了一种时间窗方差方法,在数据处理模块中对原始数据进行预处理,实现背景分离和特征提取等功能。 其次,基于三维卷积神经网络算法建立了轻量化的动作分类模型,用于对预处理的数据进行分类推算,从而进一步对跌倒动作进行识别。该模型在模型体积与参数呈倍数缩减的情况下保留了数据分类性能,实现了在低性能设备上对动态动作的识别功能,从而在性能与运算效率平衡的基础上有效的实现了基本动作分类与跌倒检测。该模型在自建模型数据集上对跌倒动作的检测精确率达到了90.24%。 最后,以建立的轻量化模型为基础针对嵌入式跌倒检测系统进行了设计与实现。该系统以树莓派4B为核心硬件平台,选用NCNN框架以优化轻量化模型在嵌入式设备的部署性能以实现实时数据推算。实际测试的结果证明了其一体化设计的有效性和对动态事件的实时响应能力。与之前的相关研究相比,本系统的数据预处理技术和轻量化神经网络架构的组合应用,实现了数据采集与跌倒检测的集成,具有了直接部署于嵌入式设备上的能力,确保了数据处理的实时性。这一改进解决了已有研究中采集和计算部分互相独立、无法实时计算识别或者仅能识别静态数据帧的难题,因此本文的实现方案具有较高可行性与现实意义。

关键词： 教育机器人   巡检机器人   路径规划   嵌入式系统  

摘要： 随着我国义务教育阶段对信息科技教育重视程度的提升,课程体系中融入了数据科学、算法设计、网络技术等核心内容。然而,现有教育机器人产品在满足这一教育需求方面存在局限性,其侧重于提供基础编程平台,存在对算法科普及原理教学不足、价格昂贵、扩展性弱的问题。针对上述问题,本文设计一套适用于中小学生科普教育的巡检机器人原型系统,旨在基于低成本、资源有限的嵌入式设备来模拟机器人巡检过程,覆盖从机器人硬件设计到软件、算法与应用开发的全流程理论与实践知识。本系统包含机器人嵌入式系统和巡检规划软件,主要工作如下: (1)为了满足广东省创意机器人大赛的新颖性、公益性等核心需求,本文提出了一个新型竞赛主题方案,搭建了基于国产嵌入式芯片和普通元器件的巡检机器人嵌入式系统,实现了机器人的定位、运动、检测和通信功能,模拟了电力巡检的全过程。设计转向控制算法实现路口转向和掉头,基于规则模式实现巡线运动,基于射频识别实现定位,采用红外对管模拟设备检测,并设计通信协议指令控制机器人巡检。 (2)为了满足中学生英才计划特训营的探索式学习需求,本文设计了一套面向科普教学的巡检规划软件,实现巡检地图编辑、巡检规划算法、路径规划可视化和巡检指令下发等模块。本文设计了图形化可拖拽页面支持自定义创建巡检地图,基于线性优化算法解决了复杂道路构建不平滑的问题;基于二分搜索和递归插值算法解决了巡检设备定位和路径分割的问题。本文设计了面向定点巡检任务的点对点路径规划算法,引入曲率和转向角代价改进评估函数,输出平滑的移动路径;针对巡检设备位置不连通等问题,将面向例行巡检任务的覆盖路径规划问题抽象成可重复遍历节点的TSP问题,求解遍历覆盖巡检设备的最优路径。为了科普算法原理,将复杂的路径规划算法以易于理解的方式呈现,本文设计了图搜索算法可视化组件和智能仿生算法可视化组件,帮助用户学习地图建模和路径优化等过程。 测试结果验证了本文设计系统的可行性。机器人嵌入式系统能够满足广东省创意机器人大赛要求,支持基础型和编程型竞赛。巡检规划软件支撑了中学生英才计划科技特训营的机器人教学和实践活动,具有良好的教育效果。

关键词： 三维重建   双目立体视觉   运动恢复结构   硬件加速   嵌入式系统  

摘要： 三维重建是一种可以从二维图像中恢复物体的三维形状和外观的技术,在汽车、医疗、建筑等多个行业中展现出广泛的多样性和实用性,成为了各领域研究与实践的重要焦点。基于视觉的三维重建方法有双目立体视觉、运动恢复结构等方法,在小型场景的三维重建应用中,这些三维重建算法存在着高计算需求、实时性不足以及较高的实现成本等问题,是阻碍其广泛应用的主要挑战。而通过将三维算法部署到FPGA、ASIC等硬件芯片进行硬件加速可以有效解决上述问题、改善算法性能,但目前硬件加速方法仍有以下不足:1)硬件灵活性差,对于复杂结构算法的硬件资源开销过大;2)移植难度大,软件算法逻辑在硬件描述上需要复杂的转换;3)硬件芯片只能作为计算单元,无法作为处理系统进行上位控制来完成完整的三维重建流程。 具有FPGA+ARM架构的Xilinx Zynq系列的So C芯片以ARM架构作为系统控制端,为实现嵌入式的复杂计算控制系统、解决以上所述问题提供了可行性。本文的主要工作内容如下: (1)针对传统硬件加速三维重建方法灵活性不足的问题,本文通过研究分析双目立体视觉和运动恢复结构的三维重建技术原理特点、基于FPGA硬件和So C平台环境,提出了一种可实时的三维仿射配准双目多视角三维重建方法。在PC端仿真环境下,验证了本文方法对实际物体的三维重建效果,并与传统方法进行了对比分析,展现了其优越性;通过调整关键参数的调整对照实验,分析确定了在当前实验环境和所用相机条件下最优的三维重建性能参数配置。 (2)针对传统算法移植上,硬件描述难度大的问题,本文从循环、数组、函数、接口四个优化方面给出了包括立体校正、双目立体匹配、ORB特征提取、BF特征匹配等算法部分在HLS设计工具上的硬件加速策略设计,通过C仿真和C/RTL级仿真分别分析验证了所有模块设计的算法逻辑正确性和硬件模块时序正确性。 (3)针对传统FPGA无法进行上位处理和完成完整三维重建流程的问题,本文通过Zynq芯片设计了一种软硬件协同的三维重建系统。在PL端完成了包括双目相机采集和PS端外围通信等硬件模块在内的硬件部分设计,并通过硬件综合布线报告验证了硬件系统的可靠性。在PS端完成了Linux系统的定制搭建及Qt平台的上位硬件驱动、多线程任务模式主控的程序设计,主控程序通过可视化界面显示交互、算法软硬件协同完成整体的双目多视角三维重建。通过实际物体的三维重建实验,验证了系统的正确性;统计了系统各部分耗时,结果显示系统达到了平均每个视角用时0.50秒的重建速度,是Inte1i7-13700处理器仿真环境下重建速度的10.5倍;充分证明了系统在硬件加速下完成三维重建任务的高效性。 综上,本文结合双目立体视觉下的左视图-点云关系与运动恢复结构中的二维点匹配-三维位姿估计关系之间的联系,设计了一种基于FPGA的三维仿射配准双目多视角重建方法;并开发了双目多视角三维重建嵌入式系统,该系统实现了双目采集、物体多视角重建、实时多图像点云显示等功能。

关键词： 智能吊篮   嵌入式系统   漏磁检测   串联谐振   YOLOv8  

摘要： 近年来随着吊篮在施工现场的灵活运用,建筑工地高空作业的工作效率得到了提高,但也频繁出现安全事故,由于高空作业环境的特殊性,即使发生小规模事故也会造成严重后果。本文旨在设计一种智能吊篮的安全监测与预警系统,通过融合智能传感器技术、嵌入式系统、图像处理技术和物联网技术等手段,实现对吊篮的配重、载重、限位、姿态、钢丝绳损伤、安全绳佩戴、安全帽佩戴、超员等多个因素的实时监测,并对存在隐患的情况实时预警,从而提升高空作业吊篮的施工安全性。通过分析吊篮运行过程中的安全隐患类型,将系统分为设备安全隐患监测系统和人员危险行为监测系统两类,分别对两个系统进行设计研究。 设备安全隐患监测系统采用了高精度的传感器和嵌入式控制单元相结合,为设备安全隐患监测提供了坚实的硬件支持。该系统利用超声波传感器、重力传感器、拉力传感器、姿态传感器、霍尔电磁传感器等对吊篮运行过程中的设备状态进行监测。将各子系统设计方案与当前技术方案分析对比后,针对吊篮的结构进行相应建模并搭建电路。对钢丝绳损伤监测系统进行仿真分析后,设计检测结构对钢丝绳损伤信号进行检测,并将采集到的损伤信号通过小波变换进行滤波与去噪。最终将各子系统所采集到的设备安全隐患信息经Zig Bee模块与CAN通信模块传递给4G通信系统,供工地监管中心远程查看。 人员危险行为监测系统分为安全绳佩戴监测、超员与安全帽佩戴监测两个部分。基于串联谐振电路搭建了安全绳锁扣环插入状态检测电路,并制作安全绳佩戴监测系统机械结构实物,从而实现对安全绳佩戴情况的监测;使用树莓派搭载摄像头采集超员与安全帽佩戴信息,并在树莓派上运行训练好的图像识别模型;为了使树莓派快速且精准的对工地现场的安全帽佩戴情况做出检测,基于YOLOv8s改进了一种Slim-YOLOv8模型,并对其添加Inner＿CIo U损失函数,有效提升了图像识别的检测精度与速率。最后,将树莓派识别到的信息与STM32单片机通信,通过STM32对采集到的数据进行分析和处理后传输给4G通信系统。 为实现远程访问智能吊篮的局域网信息的功能,搭建了4G通信系统电路,结合设计好的通信协议数据帧,确保各模块间的有效通信。通过内网穿透技术,实现公网远程访问吊篮局域网的功能,并将监测到的安全信息通过4G网络上传云端,提高系统的使用灵活性和管理便捷性。基于若依框架,搭建了智能吊篮安全监测与预警系统的云平台界面,管理人员可以通过Web端实时获取吊篮的工作状态和安全信息,对存在的安全隐患及时进行决策和应急响应。该系统不仅增强了建筑工地的安全管理水平,也为吊篮高空作业安全提供了新的技术解决方案。

关键词： 深度学习   道路目标检测   自动驾驶   嵌入式系统   YOLOv5  

摘要： 随着计算机硬件、算法和大数据的发展,自动驾驶技术也取得了极大的进步。自动驾驶技术是多种技术有机融合的产物,而道路目标检测算法无疑是自动驾驶技术中的核心技术之一。不同于环境比较单一的检测场景,真实道路环境下的车辆和行人等道路目标的检测具有更大的挑战性。首先,在真实道路环境中,检测算法必须要精确地将行人等道路目标检测出来,漏检可能会造成十分严重的后果。第二,道路目标检测主要是用于辅助驾驶和自动驾驶等智能汽车技术,因此对检测结果的实时性有很高的要求。第三,随着各种目标检测算法的算法复杂度增加,选择恰当的硬件平台来部署算法也是一个目前面临的问题。针对上述问题,本文在目前主流的一阶段目标检测算法的基础上进行改进,提出了一种改进算法,并搭建了相关嵌入式硬件平台,将改进之后的算法部署。具体而言,本文的研究工作包括以下几个方面: 1)分析了现有基于深度学习的目标检测算法的优缺点,针对道路目标检测的应用场景,提出了一种改进算法。针对算法主干网络特征提取能力有限的问题,融合注意力机制改进了主干网络,增强了其特征提取能力。增加小目标检测层,将原算法的三尺度检测修改为四尺度检测,提高了模型对小目标的检测能力。通过引入一种新的边界框回归损失函数,获得了更快的收敛速度和更准确的回归结果。 2)为验证改进算法的有效性,在公开的自动驾驶数据集KITTI上进行了实验,并分析了实验结果。实验结果表明,相较YOLOv5s原算法,改进之后的YOLOv5s算法的精确率、召回率、mAP@0.5和mAP@0.5:0.95指标分别达到了94.4%、88.4%、94.7%和70.4%,分别提高了2.6%、0.3%、1.2%和2.0%。在漏检方面,相较于原算法,本文提出的算法对车辆等目标的漏检率分别降低了0.13%、2.7%和0.2%。不仅如此,改进之后的算法的空间复杂度也有所降低。 3)为实现算法在硬件平台上的实时推理,设计和搭建了相关实验平台。将改进之后的YOLOv5算法部署在了具有NPU加速功能的硬件平台之上。改进之后的算法在该硬件平台上,单张图片推理耗时仅为26ms,实时推理帧率可达25FPS。实验结果证明了本文提出的面向自动驾驶的道路目标检测系统的有效性。 本文所提出的方法在一定程度上提升了算法的检测性能,减少了漏检。同时本文算法在构建的硬件平台上实现了良好的实时推理。本文的研究成果可以为相关领域的研究和开发提供有益的指导和借鉴。

关键词： 闸门控制   模型预测   水位控制   云服务器   嵌入式系统  

摘要： 我国是农业大国,农业用水量占总用水量的60%以上,其中90%的农业用水用于农田灌溉。然而,由于灌溉管理不善,大量水资源在输送过程中被浪费。因此,提高灌溉用水的管理效率变得尤为迫切。渠道自动化控制技术因其能有效减少水资源损耗并提升灌溉效率而受到广泛认可,并已广泛应用于实际灌溉系统中。其中,闸门控制系统作为渠道自动化控制技术的核心组成部分,其控制性能的要求随着应用的深入逐年提高。为提高灌溉渠道闸门控制系统的智能化水平并满足实时水位调节的需求,提升渠道系统的抗干扰性能,本研究开发了一套闸门智能控制系统,并开展了渠道控制算法的研究。基于闸门控制系统的实际需求,本研究首先设计了现场控制端的软硬件,之后进一步开展了渠道水位预测控制算法的研究,最后部署云端通信服务器、设计微信小程序及PC上位机软件实现控制系统的远程控制,并将渠道水位预测控制算法集成在PC上位机软件中实现了实时控制。本研究旨在为灌溉渠道的实时控制提供理论支持,可实现水位调节需求和渠道系统抗干扰性能。本文的主要研究内容与结论如下: （1）系统总体方案设计及基于嵌入式设备的现场控制端软硬件设计。首先,根据闸门控制系统的实际需求,确定了由客户端、云端和现场控制端三部分构成的系统总体方案,并在此基础上分别确定了系统的硬件和软件设计方案。接着,进行了现场控制端软硬件设计。硬件设计涵盖现场控制端的供电电路、水位传感器、4G DTU通信模块等RS485器件,以及闸门开度传感器、闸门限位开关电路等关键部分的电路设计。在硬件基础上,基于Free RTOS嵌入式操作系统完成了数据采集、控制、通信等软件程序设计。此外,基于树莓派4B实现了现场监控视频的实时推流。 （2）基于积分时滞（ID）模型的渠道水位预测控制（MPC）算法研究。首先,建立了基于SWMM的渠道仿真模型,用于提供水位信息以进行算法的反馈矫正。其次,将完整的积分时滞（Integrator Delay,ID）模型作为内部的渠道简化预测模型嵌入MPC框架中,以预测渠道的未来状态。所采用的ID模型综合考虑了渠段上下游的水位预测,并通过渠道仿真模型模拟,计算ID模型的特征参数。最后,基于ID模型的状态空间方程设计了渠道水位预测控制（MPC）算法,并在两种不同测试工况下进行了模拟分析。该算法的计算量较小,能够满足实时控制的时间需求。模拟结果表明,在预知扰动发生时,本文的MPC算法可进行前馈控制,使水位偏差相对于未预知扰动情况更小,从而实现更为稳定的水位控制。此外,在渠道流量发生显著变化时,本文的MPC算法仍能够保持水位的稳定控制,并达到预期的控制目标。相较于线性二次型调节器（LQR）算法,本文的MPC算法在水位控制的稳定性方面具有优势,能够使水位偏差保持在较小的范围内。 （3）基于云服务器搭建部署控制系统通信服务器并进行客户端设计。首先,在阿里云服务器上成功部署了基于EMQX的MQTT通信服务器,并通过安全性设置确保了信息传输的安全、稳定和可靠。同时,基于nginx在阿里云服务器上部署了RTMP视频服务器,并完成了流媒体的推拉测试。之后,在服务器端安装部署了My SQL数据库,并采用***+express+My SQL架构设计了一套数据库访问接口,实现了监测数据的存储、查询及转发,为客户端提供了便捷的远程访问My SQL数据库的功能支持。此外,还开发了微信小程序和基于Py Qt5的PC上位机软件两个客户端,以增强系统的人机交互性。最后,将预测控制算法嵌入PC上位机软件,并通过上位机界面实现了基于预测控制算法的渠道水位实时控制。 （4）闸门智能控制系统性能测试。进行了控制系统服务器通信、监测数据上传、控制指令下发等功能测试,系统能够实现预期功能,满足设计需求。设计并进行了控制系统的恒流控制试验,过闸流量波动基本稳定在±0.006 m3/s,且当下游水位变化时,稳定时间大约为3 min,能够使闸门流量在短时间内恢复并保持在预期的效果。设计并进行了基于MPC算法的水位控制试验,可预知状况下算法对水位的控制更稳定,且稳定时间相对于未预知状况要更短,约为10 min。在两种状况下,本文的MPC算法对目标水位的偏差均在±0.03 m以内,可实现渠道水位的稳定控制。

关键词： 绝缘子检测   模糊滑模控制   机器人   嵌入式系统   轨迹跟踪  

摘要： 变电站的绝缘子长期处于运行状态,裸露在室外,易受到外部环境的影响,出现绝缘性能下降的现象,会直接影响到电力传输的质量和稳定性。因此,对绝缘子进行定期的检测和维护是非常重要的。传统的人工检测方式存在人力资源浪费、效率低下等问题,目前的绝缘子检测机器人在智能检测方面存在不足,为了解决这些问题,本毕设设计一种能够在变电站中对绝缘子进行智能检测的机器人,主要内容如下: 本文以220kV变电站为研究对象,从实用技术研究角度对检测装置进行设计。通过对绝缘子检测技术的研究和分析,选择直接测量绝缘阻值法来判断绝缘子优劣性,该方法可有效避免泄露电流对检测回路的干扰。对绝缘子串的外观结构特性深入研究,提出适应性更强,操作更为简便的双臂夹持型检测机构,并结合嵌入式技术,使用STM32F407单片机作为主控芯片对整个检测机器人的控制系统进行设计与实现,成功完成机器人的远程控制及检测存储等功能。 绝缘子检测机器人在变电站工作环境中运动时,易受到各种外界干扰,会影响整个控制系统的稳定性和安全性。针对上述问题,首先对检测机器人的运动路径进行设计。同时采用拉格朗日方程建立机器人系统的动力学模型,制定了不确定因素影响下机械臂跟踪控制方案。为实现机械臂的可编程化,建立连杆坐标系并确定相应的结构参数,将机器人系统简化为四自由度机械臂模型,并利用Matlab机器人工具箱对所设计绝缘子检测机器人进行改进D-H参数建模。为选择合适的控制方法,分别使用PID控制算法、基于指数趋近律的滑模控制算法对系统进行跟踪控制。实验发现,PID算法实现较简单、方便,但跟踪稳定时间较长、误差大;滑模控制算法提升了系统的响应时间,但系统抖振现象明显。为提升系统的控制精度,提出一种基于模糊滑模自适应控制的跟踪算法,该算法利用自适应模糊逻辑对指数滑模趋近律进行修正。通过验证发现,该算法可有效削弱系统的抖振现象,同时较大的提升了系统的跟踪精度。 最后,将绝缘子检测机器人样机进行组装,为了测试绝缘子检测机器人的性能,对220k V变电站环境进行模拟搭建,并将组装好绝缘子检测机器人样机,于所搭建的绝缘子检测模拟工作环境进行工作。利用手持终端对机器人进行自动、手动两种检测模式进行测试,经测试发现绝缘子检测机器人能够按照规划的路线运动,并完成检测工作。测试完成后将绝缘子检测机器人样机于真实变电站工作场景进行实际工作测试,最终验证该检测装置能够在绝缘子串上自主攀爬,且可精准检测出劣化绝缘子。

关键词： 缓存分配   内存带宽分配   多核任务调度   嵌入式系统  

摘要： 在当今社会,信息技术的迅猛发展和大数据时代的来临,使得数据量呈现出爆炸性增长的态势,各行各业对存储资源的需求也日益迫切。随着数据的不断累积和应用场景的日益复杂,存储资源已成为支撑各类业务运转的关键要素。在多核嵌入式系统中,缓存和内存带宽等存储资源在内核之间共享。这种共享机制虽然在一定程度上提高了资源的利用率,但同时也带来了资源竞争的问题。 由于存储资源的竞争,传统的任务调度算法可能无法提高系统的性能。在高负载的运行环境下,不同任务对存储资源的需求差异较大,传统算法往往难以做到精准分配,从而导致系统性能瓶颈的出现。因此,设计出高效的存储资源分配策略,不仅是为了满足这种不断增长的存储需求,更是为了提升整个系统的运行效率和稳定性。 本文采用英特尔的缓存分配技术(CAT),从软件层面探索对最后一级缓存(LLC)的数据分配,并通过MemGuard对内存带宽进行分配。同时,我们提出了一种缓存、内存带宽和任务调度协同优化策略,其中涵盖基于机器学习的分类、基于动态规划的缓存和内存带宽优化分配算法以及基于类型的任务调度算法。通过我们的实验评估结果表明,与平均分配算法和MCT相比,我们的算法平均减少了8%的执行时间。 本文的主要工作和创新包括: 1.通过分析不同基准程序对缓存分区和内存带宽分区的需求,探究缓存分区和内存带宽分区的分配对不同基准程序的影响,进而定义了优化评估指标,确定我们接下来要优化的问题。 2.我们引入了“作业类型”和分配收益的概念,提出了一个基于动态规划的缓存分区和内存带宽分区的分配算法。此外,为了进一步优化,我们还提出了基于类型的多核任务调度算法。 3.为了验证本文提出的算法的有效性,我们实现了一个实验模拟器,通过仿真模拟实验,表明我们的算法相较于平均分配算法和MCT,能在任务总执行耗时上有显著的降低。

关键词： 反光衣检测   YOLO   聚类   SPPC(空间金字塔约束)   嵌入式系统  

摘要： 近年来,在建筑、交通和工业等诸多行业中,由于施工人员未穿戴反光衣而发生伤亡事故的现象层出不穷。当前大多数行业对施工人员穿戴反光衣的监管过度依赖人工,这种人工筛查工人是否穿戴反光衣的方法不仅效率低下,而且由于角度、距离、光线等复杂场景的变化,很容易对工人是否穿着反光衣做出误判。基于此,本文借助YOLOV4-tiny和YOLOV7-tiny算法开展对反光衣穿戴智能检测方法的研究,以提高反光衣穿戴检测的效率和精度,并将其部署在嵌入式平台,为后续大规模工业应用提供可行性和可靠性的参考。主要研究内容如下: (1)针对YOLOV4-tiny算法的检测精度与检测速度的耦合问题,本文提出了一种YOLO-FL算法以兼顾原YOLOV4-tiny算法的检测精度与检测速度。首先,提出一种新的交并比计算方法KIoU,并将其引入到原K-means++聚类方法中,避免原K-means++聚类方法中距离带来的影响;其次,引入SPPF模块到颈部网络中,融合不同尺度的特征信息以获得更丰富的特征表示;最后,在模型的训练过程中引入标签平滑策略,降低模型因数据样本较少而发生过拟合的概率。在反光衣数据集上进行实验,YOLO-FL算法的平均精度mAP和F1值分别为91.14%和0.85,比原算法分别提高了 8.29%和0.12,FPS为116,表明YOLO-FL算法能在提高检测精度的同时,兼顾检测速度的实时性要求。 (2)针对YOLOV7-tiny算法特征提取能力不足与特征融合不充分等原因容易导致的误检和漏检问题,本文提出了一种YOLO-JS算法。首先,引入ODConv卷积模块替代YOLOV7-tiny算法颈部网络中的部分传统卷积,使核空间的四个维度都被赋予卷积动态属性以提高基本卷积运算的特征提取能力,从而提高其信息处理和分析的效率;其次,引入PConv卷积模块替代YOLOV7-tiny颈部网络中的另一部分传统卷积,使之同时缩减冗余计算和内存访问;最后,提出一种新的SPPC空间金字塔池化模块,替代原算法网络结构中的SPPCSPC模块,旨在不增加计算开销的情况下,充分融合上下文信息。通过在反光衣数据集上的实验结果表明,YOLO-JS算法的平均精度mAP和F1值均优于其他主流算法,分别为96.10%和0.93,比原算法分别提高了 6.60%和0.06,GFLOPs为12.40。YOLO-JS算法不仅提高了反光衣穿戴检测的精度,还进一步改善了原算法存在的漏检和误检问题,且满足检测的实时性要求。 (3)为了满足实际工业应用的需要,本文将YOLO-JS算法部署到嵌入式设备Jetson Nano。通过TensorRT推理框架缩减模型计算精度与重构网络结构的方式提升模型在嵌入式设备的推理速度。实验观测表明,YOLO-JS算法在嵌入式设备上依旧保持较高的检测精度与实时检测效率,为模型在未来展开大规模工业应用部署打下坚实的基础。

关键词： 表面肌电信号   卷积神经网络   仿生机械手   嵌入式系统  

摘要： 随着肌电信号研究的深入发展,通过提取表面肌电信号中所包含的手势意图来控制机械手的方式已经愈发成为仿生机械手的主流控制方案。针对仿生机械手机械结构复杂,控制系统不稳定,肌电信号手势识别准确率不高等问题。该文提出了一种基于肌电信号的仿生机械手,主要研究仿生机械手在工作环境中实现手势执行、肌电信号处理、手势识别等关键技术。通过对仿生机械手进行整体设计、控制系统实现以及手势识别算法优化,深入探讨了人工神经网络与嵌入式系统在仿生机械手研究中的应用。论文的主要研究内容如下: 首先,针对欠驱动仿生机械手的机械结构进行了详细分析,包括运动学分析、3D建模和公式推导。并通过对仿生机械手进行3D模型建立,根据Qt(图形用户界面应用程序开发框架)和Open GL(开放图形库)自主搭建了仿生机械手模拟仿真平台,并在平台中进行仿生机械手的仿真实验。 其次,在机械手控制方面结合嵌入式技术搭建仿生机械手控制系统。采用DFRobot与OYMotion合作推出的一款肌电传感器模块设计了便携式、可穿戴的肌电信号采集装置。通过IM6ULL主控芯片搭载Linux操作系统研发了仿生机械手控制平台,实现了肌电信号预处理、特征提取、控制指令发送等功能。降低了仿生机械手控制系统复杂度,使得仿生机械手设备能够脱离实验室,具备小型化、便携化的特性,更好的运用于实际生活中。 最后,在经典神经网络模型的基础上进行详细研究,根据不同损失函数在实际应用中的特点,以卷积神经网络模型为基础,为避免在训练过程中梯度下降和梯度爆炸等问题,选择了残差网络为手势识别算法的神经网络模型,并更改神经网络最后一层的损失函数,选用Arc Face代替传统的Softmax层。以Nina Pro数据集为训练样本,对上述的神经网络模型进行验证。 实验结果表明,该文采用的残差网络模型的手势识别算法能够达到89.36%的识别准确率。对仿生机械手的控制系统进行测试后,各模块都完成了应有的功能,达到了预期指标。