【摘 要】
：
本项目旨在提供一种基于树葛派和Android的智能锁。项目主要能够实现以下功能:用户可通过移动终端控制锁的开关，并可在移动终端实时查看锁的状态信息、开关记录信息及周围环境的温/湿度和光照强度;当用户靠近锁且光照强度不足时，该智能锁所配置的LED灯会自动点亮;当用户超时未关锁时，该智能锁会通过移动终端APP及时提醒用户关锁;用户还可通过移动终端改变智能锁所配置灯的控制方式，查看该灯状态和开关记录等信
【机 构】
：
南京邮电大学,江苏南京210023
【出 处】
：
2018年全国物联网技术与应用大会
论文部分内容阅读
本项目旨在提供一种基于树葛派和Android的智能锁。项目主要能够实现以下功能:用户可通过移动终端控制锁的开关，并可在移动终端实时查看锁的状态信息、开关记录信息及周围环境的温/湿度和光照强度;当用户靠近锁且光照强度不足时，该智能锁所配置的LED灯会自动点亮;当用户超时未关锁时，该智能锁会通过移动终端APP及时提醒用户关锁;用户还可通过移动终端改变智能锁所配置灯的控制方式，查看该灯状态和开关记录等信息。
其他文献
提出构建基于大数据的智能推荐导泊系统，采用“物联网技术+大数据分析”的方法，依靠NB-IoT+地磁传感器实时采集传输车位状态信息，传输至大数据分析平台，通过大数据的分析、处理、推荐算法等为用户智能推荐最合适的车位信息，并利用手机终端进行车位的引导。
以这一问题为切入点进行设计，舍弃三维扫描仪技术，利用现有专业知识结合互联网知识构建人体三维模型。测量集合GPS全球定位系统实现，利用简便设备为每个人构建三维模型，为人体试衣系统的构建提供技术基础。
矿山行业的安全生产问题一直是国家关注的重点,国务院在发布的《国家中长期科学和技术发展规划纲要(2006-2020)》中指出“以信息、智能化技术应用为先导,重点研究煤矿等生产事故等的监测、预警、预防技术”.我国是煤炭型能源大国,煤炭消耗量在能源消费构成中所占比例已超过70％,煤炭在我国能源构成的核心地位不可动摇,降低矿井事故是人们广泛关注的焦点.我国煤矿位于地下,矿井下环境复杂恶劣,研究者针对井下环
琳琅满目的超市如今已经成为人们休闲生活的一部分.超市中的物品种类各式各样,人们可以在超市中购买到任何生活所需物品.然而商品种类的多样性给超市管理和人们选购商品带来了困扰,消费者可能会花大量时间寻找货物,而超市管理者也可能会花大量时间补充货源.如今的超市仍然采取传统的3层或4层购物货架.无论对于工作人员还是超市顾客来说,上层货物的取放和检测都非常不便.分别针对超市管理人员和顾客两类人群,结合现有的物
滑坡研究源于20世纪20年代的瑞典.20世纪70年代,我国成立山体滑坡研究所,采用大地测量的仪器开展对山体滑坡的监测,但是至今仍有多数地区对山体滑坡的监测处于空白.在实地检测工作中,国内外对滑坡灾害的监测主要采用宏观地质观测法、简易观测法、设站观测法、仪表观测法及自动遥测法等方法.这些滑坡监测方法普遍存在的问题是需要人工定期到现场进行数据采集,使得滑坡监测缺乏实时性.通过查阅文献分析得知,山体滑坡
随着“互联网+”时代的到来,将新技术运用到现实生活中为人们的日常生活提供便利已经成为常态.本项目将物联网中的重要智能硬件无人机技术与图像识别和互联网技术相结合,实现快捷、高效的基于无人机与图像识别的智能停车场引导系统,以解决用户难以在停车场寻找空车位的问题,可以大大减少管理人员的工作量,甚至完全取代人工方式,建立无人智能停车场.
近年来,随着物联网和大数据技术的快速发展,校园一卡通的普及带动了物联网技术在校园生活中的广泛应用.图书馆中RFID的应用可以方便地实现师生的进出记录、图书借阅记录等数据采集,宿舍和办公楼的进出闸机、课堂签到软件、视频安防摄像头、食堂POS机等物联网终端,可以便捷地采集师生的行为数据.大量物联网终端的应用,使得构建基于大数据分析的智慧校园平台成为可能.
数字高程模型(DEM)的建立对于完善现代高精度地理信息基准、提高工程应用中的计算精度以及工作效率有着重要作用.近年来,随着卫星跟踪观测技术的发展,一些新型的测量技术已经在农田土地平整作业中得到初步应用,比如利用GPS进行人工定点测量,但这些应用还不够智能.本文设计的田面DEM测绘系统借助GPS/北斗技术,利用小车的自动导航,可实现自动、快速、准确地获得田间任意位置的平面坐标和地面高程,建立田面DE
企业、市场、学校、社群等有人生活、工作的地方必然缺少不了管理,管理的本质也是“人”,随着人工智能和互联网新信息技术的发展,对传统、复杂、费时的管理办法的创新成为迫切需求.如何更有效地进行人员管理,如减少基础管理成本、提高管理过程效率、降低人员管理控制系统的危险系数、加强人员调度的能动性等,是每个管理机制的需求,对管理方资本集成化具有重要意义.因此,设计了一套人员可视化智能管理系统,可应用于养老院、
20世纪90年代统计学习兴起，众多机器学习方法被提出，以支持向量机(SVM) support vector machine)为代表的新方法被引入心律失常自动诊断中，同时也有小部分研究人员尝试使用神经网络解决这一问题。此时期的方法以心电图数据为基础，辅以离散小波变换等信号分析方法，凭借统计学习的进步，在一定程度上摆脱了专业知识对心律失常自动诊断的限制，但依然需要根据心律失常的类型进行特征提取和统计分