研究成功开发了一款基于嵌入式Linux平台的智能消防报警系统。该系统通过多传感器的协同工作,能够实时采集温度、烟雾和有毒气体的数据,并利用先进的通信技术和快速响应机制,以确保系统运行时的高效和可靠性。系统以Raspberry Pi 3 Mode...研究成功开发了一款基于嵌入式Linux平台的智能消防报警系统。该系统通过多传感器的协同工作,能够实时采集温度、烟雾和有毒气体的数据,并利用先进的通信技术和快速响应机制,以确保系统运行时的高效和可靠性。系统以Raspberry Pi 3 Model B为核心,集成了SHT31温湿度传感器、MQ-2气体传感器、ESP8266 Wi-Fi模块和SX1278Lo Ra模块,实现了多级远程报警功能。通过一系列实验,验证了该系统在传感器精度、报警响应时间、网络延迟和稳定性方面的性能。实验结果表明,即便在高负载的多任务环境下,系统依然能够保持卓越的性能,满足实时性和准确性需求,这为智能嵌入式报警系统的开发和集成提供了技术参考。展开更多
文章简要介绍了某种自发电自用电系统的风能发电特点和负载用电特性,对比提出了一种解决发电与用电矛盾的方案,并从低、中、高频响应开展仿真分析,建立数学模型。通过荷电状态(State of Charge,SOC)在不同值下的供电和用电变化进行仿真...文章简要介绍了某种自发电自用电系统的风能发电特点和负载用电特性,对比提出了一种解决发电与用电矛盾的方案,并从低、中、高频响应开展仿真分析,建立数学模型。通过荷电状态(State of Charge,SOC)在不同值下的供电和用电变化进行仿真,验证了设计的合理性和符合性,为后期实物设计提供了支撑。展开更多
针对Drools只能解析与执行由专业人员定义的业务逻辑问题,提出基于语言解析程序ANTLR(Another Tool for Language Recognition)的解决办法,并给出相应改进后的开发框架ADF(ANTLR-Drools developing framework)及其关键实施方法。业务人...针对Drools只能解析与执行由专业人员定义的业务逻辑问题,提出基于语言解析程序ANTLR(Another Tool for Language Recognition)的解决办法,并给出相应改进后的开发框架ADF(ANTLR-Drools developing framework)及其关键实施方法。业务人员可以利用ADF提供的领域规则元模板直接定义业务逻辑,由基于ANTLR的元模板解析程序完成相应业务逻辑到Drools逻辑的转换。事实证明该框架的可行性和有效性。展开更多
文摘研究成功开发了一款基于嵌入式Linux平台的智能消防报警系统。该系统通过多传感器的协同工作,能够实时采集温度、烟雾和有毒气体的数据,并利用先进的通信技术和快速响应机制,以确保系统运行时的高效和可靠性。系统以Raspberry Pi 3 Model B为核心,集成了SHT31温湿度传感器、MQ-2气体传感器、ESP8266 Wi-Fi模块和SX1278Lo Ra模块,实现了多级远程报警功能。通过一系列实验,验证了该系统在传感器精度、报警响应时间、网络延迟和稳定性方面的性能。实验结果表明,即便在高负载的多任务环境下,系统依然能够保持卓越的性能,满足实时性和准确性需求,这为智能嵌入式报警系统的开发和集成提供了技术参考。
文摘针对Drools只能解析与执行由专业人员定义的业务逻辑问题,提出基于语言解析程序ANTLR(Another Tool for Language Recognition)的解决办法,并给出相应改进后的开发框架ADF(ANTLR-Drools developing framework)及其关键实施方法。业务人员可以利用ADF提供的领域规则元模板直接定义业务逻辑,由基于ANTLR的元模板解析程序完成相应业务逻辑到Drools逻辑的转换。事实证明该框架的可行性和有效性。
文摘由于宫颈细胞样本的液基薄层细胞学检测(thin prep cytologic test,TCT)图像内容复杂,背景颜色丰富多样,而且不同女性的宫颈细胞具有一定程度的天然差异,这给宫颈异常细胞的检测带来了很大的困难。为解决这一难题,提出了一种名为基于特征压缩与激发和可变形卷积(SE-ResNet-deformable convolution you only look once,SER-DC YOLO)的目标检测网络。该网络在YOLOv5的Backbone中融合注意力机制,添加了SE-ResNet模块,然后改进了SPP层的网络结构,并且使用可变形卷积来替换普通卷积,最后修改了边界框的损失计算函数,将广义交并比(generalized intersection over union,GIoU)改为α-IOU Loss。实验表明,该网络与YOLOv5网络相比,在宫颈图片数据集上召回率提高了19.94%,精度提高了3.52%,平均精度均值提高了7.19%。相关代码链接:https://github.com/sleepLion99/SER-DC_YOLO。
