基于编译型E-Python的图形化编程系统设计与实现

来源 :苏州大学 | 被引量 : 0次 | 上传用户:shmilyuho
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
嵌入式开发是行业内公认的难度高、门槛高,开发者不仅需要学习大量的软硬件知识,还要应对繁琐复杂的开发环境。为了解决学习嵌入式开发所面临的困境,将图形化编程引入嵌入式开发中以降低技术门槛。然而,传统的图形化编程大多采用C/C++作为应用的开发语言,无法满足嵌入式人工智能的开发需求。因此,本文设计并实现了一种基于编译型E-Python的图形化编程系统,主要研究内容如下。(1)针对图形化嵌入式编程对于硬件平台的高性能需求,为其选择了由意法半导体于2020年推出的ARM Cortex-M内核的STM32L431微控制器作为系统的主控芯片。基于硬件构件化设计原则,以主控芯片为核心将外围设备封装在硬件平台中以供图形化开发使用。构建硬件系统的整体框架,并遵循软件构件化设计思想为外接的硬件设备设计了对外接口。(2)基于图形化编程针对软件的功能性需求,本文提出了一种采用双模式开发的图形化编程软件平台的搭建方案,并为嵌入式应用程序设计出层次分明、结构清晰的应用软件架构;基于上位机软件框架完成了功能界面、图标控件模块的设计以及图形化编程环境的搭建。(3)本文基于编译型E-Python设计实现图形化嵌入式编程系统,从软硬件方向出发实现编译型E-Python技术的嵌入。在软件层面上,将Python转C++翻译器嵌入到上位机软件中,完成Python语言到C++语言的转换,实现Python源码的编译;在硬件层面上,通过重新封装底层构件设置统一接口,使得Python源码能够调用底层驱动构件中的功能函数。本文设计并实现了基于编译型E-Python的图形化编程系统,借助图形化编程系统实现嵌入式人工智能应用——物体认知系统,不仅证实了系统在嵌入式人工智能领域中的实用性,还大大降低了嵌入式开发的门槛。
其他文献
元学习旨在充分利用少量的数据,学习出高效通用的知识,从而快速适应新任务。相比于传统深度学习,元学习降低了对大规模数据集的依赖,在一些难以获得大量数据的实际场景中具有较好的应用前景。目前元学习已取得许多卓越的研究成果,但在基于度量的元学习研究方向中仍然存在数据特征质量不高、度量方式不够适用、算法自适应性不强的问题。本文针对以上问题进行研究,具体创新点如下:(1)提出了特征自适应元学习算法,主要针对数
学位
研究如何运用设计手段发展乡村旅游,对改善乡村人居环境乃至整体推进乡村振兴战略,都具有重要意义。随着时代的发展和认知的进步,人们在进行旅游活动时对居住空间的需求也在逐渐发生变化。可移动屋舍具有灵活性强包容度高、可变性强、与乡村环境融合较好等特点,与乡村旅游发展中待解决的个性化、差异化、经济化、实用化等需求完美契合。文章从乡村旅游中可移动屋舍设计入手,力争通过“小切口、大纵深”的研究方式,通过使用文献
学位
随着全球学术活动蓬勃发展,学术文献的数量和学术研究者的人数与日俱增。因此,数字图书馆、学术搜索引擎等科技服务应运而生,为学术研究者提供了便捷的信息检索服务。然而,由于作者姓名的歧义性,文献知识库无法保证返回数据的准确性。这大大影响了人们学术活动的准确性和效率。在这一背景下,对于同名作者消歧问题的研究是很有意义且必要的。针对该问题,本文的研究内容概括如下:(1)为了有效地处理属性特征丢失严重的情况,
学位
随着移动定位设备的普及和网络通信设施的完善,海量轨迹数据能够被实时地收集。这类时空轨迹数据可用于轨迹知识挖掘、信息提前获取,如驾驶异常检测、交通拥堵监测与预测、疫情下人群聚集行为监测等应用场景的建设。时空轨迹大数据具有传统大数据的4V特性,并且其信息价值将随着时间流逝而衰减,如对于交通路况信息,即时的结果信息发布将能更有效的规避道路拥堵,为此实时处理轨迹数据将是本文重要关注点。轨迹聚类是上述城市应
学位
事件可信度是指面向特定事件源的事件发生的可信程度。目前事件可信度识别缺乏在生语料上的研究,并且仅考虑事件在默认源下的事件可信度。对此,本文进行句子级端到端事件可信度识别的研究,识别生文本中的事件、事件源以及对应的事件可信度,更具有现实意义。首先,事件可信度的已有研究大多数依赖于标注信息,没有考虑到事件可信度识别在生语料上的性能,同时也忽略了事件源对事件可信度的影响。针对这些问题,本文提出基于混合模
学位
基于水蒸气的供暖工程是寒冷地带政府与居民关注的民生工程,阀门是供暖工程中的标配设备。传统无信息输出的供暖阀门存在后期维护不及时、故障定位不精确等问题,为居民带来安全隐患。利用远程无线通信及微控制器进行信息阀门的设计,来解决阀门状态信息采集与远程阀门控制的问题,成为供暖工程阀门设计开发的研究热点。本文基于2017以来国家大力推广的窄带物联网技术(NB-IoT),研发一款具备远程信息传输、远程开关阀控
学位
在日常生活中,多人对话的场合无处不在,作为人们交流沟通的主要方式,其蕴含着丰富多彩的信息。挖掘多人对话场景下的情感信息对许多工业界的应用有着十分重要的意义,例如社交媒体分析和智能客服。然而,不同于传统的文本情感识别,多人对话中话语的情感不仅受其本身和其所在上下文的影响,而且依赖于说话者的个性和他们之间的交互。另外,说话者的情感状态还会受到包括话题、观点、说话者的行为和意图等复杂因素的影响。针对上述
学位
由于互联网产业的特殊性,用户的一切操作都基于软件本身,此时庞大的用户体系真正需要的是一款质量过硬的软件产品作为技术支撑。软件质量好坏是由软件能的用户满意度决定的,如果软件质量不达标,用户体验度降低,企业将会面临巨大的流量流失,不利于企业的长期发展。近些年用户需求在时间、感知度以及多变性上也提出了更高的要求,企业为了尽快推出符合用户需求的产品就需要企业加快开发进度、缩短开发周期、积极响应用户随时变化
学位
问答匹配是自然语言处理领域的重要研究方向之一,主要包含答案选择和问题复述识别两个子任务。其中,答案选择任务的目标是判定“问题与答案”之间的语义相关性,用以优化问答场景下目标答案的召回质量;问题复述识别旨在判定“问题与问题”之间的语义是否等价,用以提高问答场景下同义问题(已知答案)的召回精度。两者皆是实现智能问答的核心技术,且在搜索引擎、社区问答以及智能客服等实用场景中有着广泛的应用。现有的预训练语
学位
命名实体识别作为自然语言处理领域的基础任务之一,影响着诸多的下游任务。命名实体识别旨在识别出给定文本中具有特殊含义的实体,比如人名、地名或者特定应用中预定义类别的短语。目前中文命名实体识别致力于获得更加情境化的向量表示,在特定场景下大都依赖额外的领域知识,无法同时适应规范和非规范文本,因此无法对两类文本进行统一处理。为了解决这一问题,本文从中文规范和非规范文本的结构特征出发,对命名实体识别展开一系
学位