针对触摸屏监控系统不能满足大中型立体仓库对数据进行存储和处理的功能需求,在Visual Studio 2019集成开发环境中,采用C#语言开发一套立体仓库上位机控制系统。以多线程的方式实时读取库位信息;以S7-1200 PLC作为主控制器,设计产品的...针对触摸屏监控系统不能满足大中型立体仓库对数据进行存储和处理的功能需求,在Visual Studio 2019集成开发环境中,采用C#语言开发一套立体仓库上位机控制系统。以多线程的方式实时读取库位信息;以S7-1200 PLC作为主控制器,设计产品的自动入库和自动出库程序流程,采用SCL语言设计了库位先进先出的控制程序。C#和S7-1200 PLC之间采用S7通信的方式控制立体仓库的出入库操作和库位信息采集,3年的现场运行情况表明,整个系统能在上位机上对立体仓库进行手动控制和自动控制,能精确快速地进行入库出库操作,运行平稳,上位机上能正确实时显示库位信息,达到了预期的结果。展开更多
针对背景复杂、尺度变化较大、被遮挡情况下机械外破隐患目标检测精度不高,容易出现错检、漏检的问题,文中提出了一种改进YOLOv7(you only look once version 7)的机械外破隐患目标检测算法。文章在检测头网络中添加Swin Transformer注...针对背景复杂、尺度变化较大、被遮挡情况下机械外破隐患目标检测精度不高,容易出现错检、漏检的问题,文中提出了一种改进YOLOv7(you only look once version 7)的机械外破隐患目标检测算法。文章在检测头网络中添加Swin Transformer注意力机制提高对多尺度特征的提取能力,然后在主干网络中将部分卷积模块替换为深度可分离卷积,降低模型运算成本,采用Focal-EIOU(Focal and enhanced intersection over union)损失函数优化预测框,最后引入Mish激活函数增强网络的泛化能力,提高模型在复杂背景、目标部分被遮挡情况下的检测性能。实验结果表明,改进后的算法较原YOLOv7在准确率、召回率和平均精度均值上分别提高了5.2%、10.6%和5.2%,较其他主流算法在检测精度和模型体积上有着明显的优势,验证了改进方法的有效性,为复杂场景下机械外破隐患目标的边缘识别提供算法支持。展开更多
文摘针对触摸屏监控系统不能满足大中型立体仓库对数据进行存储和处理的功能需求,在Visual Studio 2019集成开发环境中,采用C#语言开发一套立体仓库上位机控制系统。以多线程的方式实时读取库位信息;以S7-1200 PLC作为主控制器,设计产品的自动入库和自动出库程序流程,采用SCL语言设计了库位先进先出的控制程序。C#和S7-1200 PLC之间采用S7通信的方式控制立体仓库的出入库操作和库位信息采集,3年的现场运行情况表明,整个系统能在上位机上对立体仓库进行手动控制和自动控制,能精确快速地进行入库出库操作,运行平稳,上位机上能正确实时显示库位信息,达到了预期的结果。
文摘针对背景复杂、尺度变化较大、被遮挡情况下机械外破隐患目标检测精度不高,容易出现错检、漏检的问题,文中提出了一种改进YOLOv7(you only look once version 7)的机械外破隐患目标检测算法。文章在检测头网络中添加Swin Transformer注意力机制提高对多尺度特征的提取能力,然后在主干网络中将部分卷积模块替换为深度可分离卷积,降低模型运算成本,采用Focal-EIOU(Focal and enhanced intersection over union)损失函数优化预测框,最后引入Mish激活函数增强网络的泛化能力,提高模型在复杂背景、目标部分被遮挡情况下的检测性能。实验结果表明,改进后的算法较原YOLOv7在准确率、召回率和平均精度均值上分别提高了5.2%、10.6%和5.2%,较其他主流算法在检测精度和模型体积上有着明显的优势,验证了改进方法的有效性,为复杂场景下机械外破隐患目标的边缘识别提供算法支持。
