EEPW首頁(yè) >>
主題列表 >>
202308
202308 文章 進(jìn)入202308技術(shù)社區
對??礕igE相機以Python程序連接方法的研究
- 由于GigE相機在傳輸數據方面的特殊性,不同廠(chǎng)家需要自己設計自己的連接端口,這使得各常見(jiàn)提供的連接程序各不相同,同時(shí)由于多數情況下工業(yè)會(huì )采用C或C++程序來(lái)編寫(xiě)控制軟件,一般廠(chǎng)家對GigE相機連接Python程序的軟硬件方法雖然會(huì )進(jìn)行開(kāi)發(fā),但是在實(shí)際操作中缺少詳細的說(shuō)明文檔以及足夠的開(kāi)發(fā)實(shí)例。本文介紹了使用??礕igE相機與Python程序進(jìn)行連接使用的項目經(jīng)驗,可以為同類(lèi)型的任務(wù)提供參考。
- 關(guān)鍵字: 202308 GigE接口 Python 通信
基于RK3588的8K無(wú)線(xiàn)投屏系統軟硬件設計
- 設計了一款8K無(wú)線(xiàn)投屏系統,主控采用瑞芯微RK3588,WiFi采用瑞昱RTL88222CU;支持HDMI2.1接口;支持DLNA投屏協(xié)議、Airplay投屏協(xié)議和Miracast投屏協(xié)議;系統最大支持8路跨協(xié)議同時(shí)投屏。
- 關(guān)鍵字: 202308 無(wú)線(xiàn)投屏 8路投屏 混合投屏 RK3588 RTL88222CU
居家養老視角下老人過(guò)久離床監測系統設計
- 針對當前老年人居家場(chǎng)景夜間過(guò)久離床提醒解決方案存在的不足,設計了一種基于離床時(shí)間變異系數的過(guò)久離床監測系統。通過(guò)睡眠狀態(tài)監測模塊,獲取老年人最近夜間正常離床時(shí)間數據,對正常離床時(shí)間變異性系數進(jìn)行統計和分析,進(jìn)行過(guò)久離床時(shí)間的預測和判斷,并根據過(guò)久離床時(shí)間情況,通過(guò)遠程消息或SOS報警的方式通知異地子女,從而達到遠程健康預警的目的。系統能有效預測和優(yōu)化過(guò)久離床時(shí)間的演變趨勢和波動(dòng)范圍,預防老年人夜間離床過(guò)久的健康風(fēng)險。
- 關(guān)鍵字: 202308 居家養老 睡眠監測 變異系數 過(guò)久離床 SOS 健康預警
基于類(lèi)別圖增強算法的融合異構數據會(huì )話(huà)推薦分析
- 為了提高融合異構數據會(huì )話(huà)推薦效率,設計了一種通過(guò)類(lèi)別圖來(lái)實(shí)現增強效果的推薦算法。在融合層內融合物品與類(lèi)別表征結果,確保物品表征中包含類(lèi)別數據;根據注意力機制建立全局表征,再通過(guò)局部表征建立最終表示;通過(guò)預測層計算各候選對象推薦參數。研究結果表明:設計得到的CaSe4SR模型對各類(lèi)數據集都表現出了最優(yōu)推薦性能,CaSe4SR-W模型表現出了比Concat與CaSe4SR兩種模型更差的性能,推斷類(lèi)別信息需結合物品信息共同建模,需根據物品參數才可以發(fā)揮信息補充功能。
- 關(guān)鍵字: 202308 會(huì )話(huà)推薦 類(lèi)別圖增強算法 異構數據 全局表征
基于自適應軟掩模的語(yǔ)音混合特征增強分析
- 為了提高語(yǔ)音混合特征增強效果,設計了一種以自適應軟掩模與混合特征共同分析算法來(lái)實(shí)現。以混合特征分析可以消除單一梅爾域濾波器無(wú)法提供高頻特征的缺陷。研究結果表明:選擇融合相位自適應軟掩模方式時(shí),能夠最大程度去除背景噪聲。以本文融合相位差自適應軟掩??梢垣@得比IRM更顯著(zhù)優(yōu)勢,經(jīng)過(guò)優(yōu)化處理的語(yǔ)音特征與學(xué)習目標構建得到的語(yǔ)音增強算法能夠促進(jìn)語(yǔ)音質(zhì)量的明顯提升。以自適應軟掩模與混合特征訓練神經(jīng)網(wǎng)絡(luò )處理獲得優(yōu)秀的信 噪比,達到更優(yōu)的算法性能。
- 關(guān)鍵字: 202308 語(yǔ)音增強 自適應軟掩模 DNN 混合特征
適用于手語(yǔ)采集與輸入的智能手套及翻譯系統
- 設計并實(shí)現了一款以ESP32-C3-WROOM-02為核心,基于物聯(lián)網(wǎng)、UDP協(xié)議、姿態(tài)傳感器和彎曲傳感器的適用于手語(yǔ)采集與輸入的智能手套及翻譯系統。該系統通過(guò)在手套上綁定姿態(tài)傳感器MPU6050,配合彎曲傳感器動(dòng)態(tài)監測手的運動(dòng)和姿態(tài),通過(guò)ESP32芯片采集傳感器數據并做初步處理,經(jīng)單片機上的Wi-Fi模塊通過(guò) UDP 協(xié)議傳輸給云端采用 SVM 算法識別靜態(tài)手勢,此外,本設計還搭建了基于Python的Web應用程序框架Streamlit實(shí)現在網(wǎng)頁(yè)上實(shí)時(shí)呈現處理結果和全平臺兼容,方便用戶(hù)使用。
- 關(guān)鍵字: 202308 手勢識別 ESP32 彎曲傳感器 SVM 神經(jīng)網(wǎng)絡(luò )
基于ELM改進(jìn)K-SVD算法的多特征融合物體成像識別
- 通過(guò)極限學(xué)習機ELM算法改進(jìn)K-SVD字典學(xué)習算法,并成功應用于多特征融合物體成像識別領(lǐng)域。研究結果表明:通過(guò)ELM算法,字典精確度和優(yōu)勢在處理后的提升效果均十分顯著(zhù)。不論是從計算效率還是計算準確率來(lái)看,改進(jìn)的K-SVD算法表現出較佳優(yōu)勢。K-SVD算法性能可通過(guò)ELM顯著(zhù)提升,算法識別準確率在多特征加入后也相應快速增長(cháng)。將較低分辨率的樣本從圖像中篩選出來(lái),有利于減少傅里葉疊層成像數量。
- 關(guān)鍵字: 202308 K-SVD算法 算法改進(jìn) 圖像識別
無(wú)人機航拍建筑物視圖網(wǎng)絡(luò )融合目標識別分析
- 為了提高無(wú)人機航拍目標識別精度,提出一種基于視圖融合的目標識別方法,該方法利用3個(gè)2DCNN分別提取無(wú)人機航拍3D體數據3個(gè)視圖的特征,本文方法有效性主要采取室內實(shí)測數據進(jìn)行驗證。研究結果表明:不論是從F-score還是從準確度數據來(lái)看,視圖融合方法顯優(yōu)勢較為突出,保證分類(lèi)結果更佳。相比于基于B-scan圖像的傳統方法,在分類(lèi)性能方面側視圖立方體與正視圖立方體占據更大優(yōu)勢。本文提出的目標識別方法以視圖融合為理論基礎,實(shí)驗結果顯示無(wú)人機航拍目標識別精度得到進(jìn)一步提升。
- 關(guān)鍵字: 202308 ?無(wú)人機航拍 視圖融合 目標識別 Alexnet方法 精度
基于卷積神經(jīng)網(wǎng)絡(luò )的人臉識別檢測分析
- 為了提高人臉識別檢測精度,應用卷積神經(jīng)網(wǎng)絡(luò )進(jìn)行分析。在建立AlexNet網(wǎng)絡(luò )結構的基礎上,將Dropout技術(shù)引進(jìn)全連接層中,給出了具體的卷積神經(jīng)網(wǎng)絡(luò )結構參數。研究結果表明:本文算法表現出較高的召回率,人臉簽到系統的基礎需求得到滿(mǎn)足。側臉及戴頭盔遮擋照片觀(guān)察對比得出,檢測人臉圖片的準確度及清晰度均相對較高,表明對于部分遮擋人臉或側臉采用本文算法展示的魯棒性較佳。該研究有助于提高在遮擋情況下人臉識別能力,對圖像處理優(yōu)化起到一定的理論支撐。
- 關(guān)鍵字: 202308 人臉識別 卷積神經(jīng)網(wǎng)絡(luò ) 網(wǎng)絡(luò )結構 檢測精度
基于雙無(wú)跡卡爾曼濾波的自動(dòng)駕駛狀態(tài)慣性監測
- 自動(dòng)駕駛的完成需要設計合適的線(xiàn)控轉向系統。為了能夠對車(chē)輛動(dòng)力慣性參數開(kāi)展非線(xiàn)性評價(jià),開(kāi)發(fā)了一種分布結構驅動(dòng)力電動(dòng)汽車(chē)雙無(wú)跡卡爾曼濾波(Dual unscented Kalman filter, DUKF)方法與狀態(tài)觀(guān)測系統聯(lián)合系統車(chē)輛慣性監測方法。在分布結構驅動(dòng)電動(dòng)汽車(chē)傳感器中,除了具備傳統傳感器慣性量參數如質(zhì)心橫擺角速度、縱向和側向加速度以外,還可以提供輪轂電機傳感器進(jìn)行車(chē)輪角速度測試。研究結果表明:采用DUKF方法觀(guān)測數據比DEKF方法更加符合實(shí)際情況,促進(jìn)觀(guān)測精度的顯著(zhù)提升。
- 關(guān)鍵字: 202308 電動(dòng)汽車(chē) 狀態(tài)觀(guān)測 慣性參數 雙無(wú)跡卡爾曼濾波
基于微能量采集技術(shù)的無(wú)源物聯(lián)網(wǎng)研究與應用
- 基于微能量采集技術(shù)設計一款無(wú)源、無(wú)線(xiàn)智能開(kāi)關(guān)。微能量(光能)采集使用E-PEAS的 AEM1094方案,藍牙使用凌思微的LE5010方案。實(shí)驗證明本文設計的無(wú)源、無(wú)線(xiàn)智能開(kāi)關(guān)具備環(huán)境部署的便利性也擁有極高的可靠性和穩定性。
- 關(guān)鍵字: 202308 無(wú)源物聯(lián)網(wǎng) 微能量采集技術(shù) AEM10941 LE5010
202308介紹
您好,目前還沒(méi)有人創(chuàng )建詞條202308!
歡迎您創(chuàng )建該詞條,闡述對202308的理解,并與今后在此搜索202308的朋友們分享。 創(chuàng )建詞條
歡迎您創(chuàng )建該詞條,闡述對202308的理解,并與今后在此搜索202308的朋友們分享。 創(chuàng )建詞條
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會(huì )員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權所有 北京東曉國際技術(shù)信息咨詢(xún)有限公司
京ICP備12027778號-2 北京市公安局備案:1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權所有 北京東曉國際技術(shù)信息咨詢(xún)有限公司
