【摘 要】
：
针对传统气象站建站成本高、时效性差、功耗高等缺点,设计了一种基于LoRa技术的低功耗小型气象站。气象站以低功耗Cortex-M0内核的STM32L051为主控芯片,可检测风速、风向、雨量、二氧化碳、光照度、太阳总辐射等气象数据。主控芯片通过脉冲捕获、模数转换等方式,配合气象站的传感器,采集外部的气象数据,并将外部的数据存储在主控芯片中,外部设备可通过LoRa按照Modbus RTU协议来访问这些数
论文部分内容阅读
针对传统气象站建站成本高、时效性差、功耗高等缺点,设计了一种基于LoRa技术的低功耗小型气象站。气象站以低功耗Cortex-M0内核的STM32L051为主控芯片,可检测风速、风向、雨量、二氧化碳、光照度、太阳总辐射等气象数据。主控芯片通过脉冲捕获、模数转换等方式,配合气象站的传感器,采集外部的气象数据,并将外部的数据存储在主控芯片中,外部设备可通过LoRa按照Modbus RTU协议来访问这些数据。气象站数据通过LoRa传输,不受流量、服务器并发量、网络延迟等原因影响,实时性极高,适合农业自动化等
其他文献
目前射击训练多采用实弹训练,射击成绩需要人为查看,费用较大且不方便。为解决此问题,设计提出了一种基于机器视觉的激光打靶自动报靶系统。系统由激光发射端、中控显示端、视觉采集端构成,利用图像分割算法识别靶型区域,获取靶型位置信息,然后通过图像的HSV和RGB颜色空间数据,将激光弹点的特征值提取出来,从而识别弹点区域,通过无线模块将弹点数据发送到中控端,从而实现实时自动报靶功能。实验测试表明,系统的准确
公路护栏测量是公路管理的一项重要任务,为了提高公路护栏检测的准确率、解决传统图像处理方法检测护栏准确率低的问题,提出了一种基于深度学习算法YOLOv4的护栏检测方法。采用CSPDarkNet53作为主干网络和Mish作为激活函数,SPP和PANet结构作为特征金字塔网络进行特征提取;利用得到的特征提取中间层、中下层和底层进行预测。对500幅测试图像的护栏检测结果表明,平均检测准确率为97.24%。
针对目前对于多车道十字交通路口车流量监控和统计研究较少的问题,设计了一种全新的车流量监测系统。系统由两部分组成,第一部分是基于改进的轻量化YOLO的车辆识别模块,提出一种轻量化MobilenetVz-yolo网络;第二部分是基于几何构建的区域划分流量统计模块,通过建立匹配监控视像的坐标系,构建车道/终止线的函数,施以几何分析进行区域划分,然后接收第一部分的车辆坐标信息,并计算车辆的区域率属函数,最
针对设备多协议接入、复杂物联数据解析、多设备联动及多数据融合难题,设计并实现了一种基于静态脚本引擎的物联网开放平台。通过可配置的物联连接驱动程序,提供多网络适配服务,实现多协议接入;然后将接入数据采用静态脚本引擎实现可视化解析,并按照物模型数据标准定义,完成多数据融合存储,在此基础基于Drools规则引擎实现告警策略配置及多场景联动策略配置。经过实践论证,基于静态脚本引擎的物联网开放平台可实现,并
图像是承载信息的重要媒介之一,模糊的图像影响了信息的正确传递。针对该问题,提出了一种基于密集特征融合的超分辨率算法。算法以基于残差密集网络的图像超分辨率(residual dense network,RDN)模块为基础,通过初步特征抽取模块和密集特征提取模块得到模糊图像不同层次、不同深度的密集特征,并将所有特征融合,结合子像素卷积的方法对图像进行超分辨率放大,恢复模糊图像的细节信息。实验结果表明,
桥梁的裂缝不仅会影响整体美观,而且在很大程度上存在着安全隐患,如何有效地检测出桥梁的裂缝信息越来越受到人们的关注。基于此采用图像处理技术与深度学习相结合的方法实现了对桥梁裂缝的检测以及对裂缝信息的量化分析。首先研究适用于裂缝检测的图像预处理方法,如灰度化、平滑处理、归一化;然后通过与深度学习相结合来判断图像中是否存在裂缝;最后通过边缘检测、形态学操作对裂缝信息进行量化分析,如裂缝位置信息、裂缝区域
针对目前在零样本分类技术中公共空间嵌入方法存在的枢纽问题,即hubness问题,将提取到的视觉特征和语义特征通过典型相关分析映射至公共空间后在公共空间中添加大间隔最近邻(large margin nearest neighbor,LMNN)算法,使相同类别的样本之间的距离更加紧密,不同类别样本之间的距离尽可能远,从而有利于提高零样本分类模型的准确率。通过零样本中常用的AWA和CUB数据集进行实验,
针对单体架构设计的地理信息服务平台难以快速满足用户需求变化的问题,采用微服务架构进行系统平台的设计和实现。分析地理信息服务平台的特点和问题,以及微服务架构在系统设计中的优势,在此基础上进行系统的总体设计,根据微服务划分原则进行系统应用服务的拆分,解决了系统实现过程中的海量泛在数据展示、第三方服务集成、复杂业务服务编排等关键问题。实践表明基于微服务架构的地理信息服务平台能够承载海量异构数据,快速集成
针对行为识别中出现大量对模型训练识别作用有限且消耗资源的行为序列冗余帧问题,提出了一种基于关键帧时空降维的混合神经网络人体行为识别方法,旨在融合多种深度神经网络。通过对输入连续行为序列根据前后帧动作的动能变化在冗余序列帧中提取具有识别信息关键帧的思想,来实现输入数据深度特征的时空降维,从而达到提高模型的识别效率和资源消耗降低的目的,为在计算资源有限的设备上实现时效高、稳定性强的行为识别模型提供有益
在全球新冠疫情常态化的背景下,为加快诊断进度,CT筛选或将成为诊断新型冠状病毒感染的临床首选方法。首先,采用获取的一个开源COVID-CT数据集,其包含新冠照片阳性361张、阴性397张;然后利用深度残差网络ResNet系列网络泛化性能强、分类能力强等优点,在系统中应用改进的ResNet网络,使用ResNet50作为预训练模型开发一个可以实现对新冠肺炎CT影像分类的系统;为加快网络训练速度、提高检