【摘 要】
：
本文提出基于物联云的垃圾箱预警及清运系统,以单片机开发、云平台管理端以及环卫人员手机小程序为主要的功能实现手段,智能垃圾箱为媒介的高效、实时的环卫行业运营模式建立了高度信息化的垃圾收运系统。智能垃圾箱以stm32主板为开发主板,搭载NB-IoT模组BC20物联网通信模块、超声波测距模块、温度湿度模块等各种传感器实现垃圾箱状态的实时监测。云平台管理端借助阿里云平台开发而成,由垃圾箱满载率可视化、设备
【基金项目】
：
2020年“沈阳工业大学大学生创新创业训练计划”(国家级)项目资助(202010142001X)。
论文部分内容阅读
本文提出基于物联云的垃圾箱预警及清运系统,以单片机开发、云平台管理端以及环卫人员手机小程序为主要的功能实现手段,智能垃圾箱为媒介的高效、实时的环卫行业运营模式建立了高度信息化的垃圾收运系统。智能垃圾箱以stm32主板为开发主板,搭载NB-IoT模组BC20物联网通信模块、超声波测距模块、温度湿度模块等各种传感器实现垃圾箱状态的实时监测。云平台管理端借助阿里云平台开发而成,由垃圾箱满载率可视化、设备管理以及垃圾车运营管理3部分组成,环卫人员手机小程序通过微信开发者工具开发而成主要功能为垃圾桶满载量的显
其他文献
随着无人机技术的不断发展,无人机开始进入民用领域。但由于相关法律法规的缺失,造成民用微型无人机管理混乱特别是消费级无人机的滥用对城市公共安全造成极大的威胁。针对这种情况,本文采用远程触发、压缩气体为动力源,可连续发射的设计原则,设计了一种轻巧灵活的无人机子弹连续发射装置,通过装配玻璃弹珠、金属球等作为子弹进行连续发射。该方案集子弹填装模块,触发模块,缓震模块,发射控制模块为一体,以无人机为搭载平台,实现对微型无人机拦截和打击,以确保了城市低空安全。此外本文重点研究了无人机平台在子弹发射时的运动学状态,用A
当前服装数据的分析与可视化存在数据单一等缺陷,以至于企业及消费者不能有效处理和利用网络购物平台中产生的海量消费数据。为此本文以行业统计数据、服装评价、服装类新闻等3类关键数据为对象,设计并实现了服装消费数据的分析与可视化平台。平台针对文本类型的服装评价和新闻运用NLP技术进行预处理;根据评价数据的主题差异性特点,分别采用基于词向量和欧氏距离的 k-means、基于 tf-idf 的 k-means 思想进行分类,并将2种结果结合进行分类与分析;根据服装潮流新闻关键词的特征,采用tf-idf对其进行关键词的
针对目前物流行业无人物流车系统车辆智能化程度较低、人工调度管理造成的低效率、高信息延迟,难以编队与控制等问题本文设计了一种基于K60单片机的无人智能物流车编队汇入控制与管理系统。系统通过硬件模块完成VANET背景下车辆自主环境感知、决策规划与协同运动车辆与车队的关键实时信息通过GPRS实时传输至上位机管理界面实现无人物流车的智能化编队,汇入控制与管理进而从一定程度上提高无人物流车系统对于物流行业的实效性。
近年来,司法领域存在着“案多人少”的问题,为解决此问题该文以司法量刑为目的,参照中国“依法量刑”的原则,设计并实现了一种基于多通道自注意力机制的刑事案件辅助量刑模型。该模型对案件事实描述、被告人基本信息以及法律法规3方面进行潜在表征学习,同时将上述信息结合从而达到准确量刑的目的。该文在裁判文书数据集上进行实验,通过与其它基线模型的实验对比可见该模型具有更好的刑期预测性能。
随着互联网业务规模的扩大以及访问量的增多,应用服务可能因流量过大而产生崩溃。为解决此问题和保证应用服务器接收消息的准确性本文设计了一种基于Netty的消息中间件。该中间件以Netty网络框架为基础实现异步通信,同时为了提升通信双方的编解码速度及缩减整个通信流程的时间,自定义了一种通信协议。该中间件根据本协议特点设计了消费模型及基于文件系统的存储模型,并在消费者端进行了幂等性处理,以提高中间件的可靠性与准确性。实验表明,相比于不使用中间件或使用其它中间件,该中间件在产业化的智慧宿管平台中应用,有效提高了应用
在分布式网络传输中,受到码间干扰容易产生信道失衡。为了提高网络传输均衡性和安全性,需要进行信道均衡调制处理本文提出基于信道扩频的网络传输均衡调制算法,构建超高频网络通信信道模型,利用相邻的两组训练码进行信道参数测量,提取网络传输信道传输信号的谱特征量,采用前馈滤波器完成匹配滤波,根据谱特征偏移进行信道畸变补偿,采用最大比合并分集判决反馈调节方法进行网络传输均衡调制,计算信道的冲激响应,以此作为补偿系数进行信道畸变补偿,构建分集判决反馈均衡器实现网络传输信道补偿和自适应均衡调制。仿真结果表明,采用该方法进行
研究以差分运算放大器为核心,探讨基于5G通信技术的差分运算放大器的研究与设计。结合5G通信技术所传播的信号特性,设计运算放大器结构类型。在此基础上设计一种高速和高增益的差分运算放大器。
随着计算机视觉的发展和人工智能产业的兴起,人脸表情识别技术在人工智能产业有着广泛的应用需求。人脸表情识别在传统机器学习算法下对环境及姿态的改变不具备良好的鲁棒性,而且识别精度也达不到实际应用的要求。计算机和图像处理器等硬件性能的提升,以大数据为核心的深度学习算法得到快速发展,人脸表情识别技术开始趋于在深度学习算法上研究。本文分别对人脸表情图像预处理、特征提取、特征分类3个关键技术进行介绍具体叙述了
信息提取技术是自然语言处理技术的关键技术之一其中最主要的任务是事件元素提取。本文利用深度学习网络模型实现信息提取任务进行了深入研究。训练数据来源于上海大学构建的CEC已标注的语料库。相比于采用手工设立规则的识别方式和BiLSTM网络模型本文通过对数据进行预处理和搭建BERT-BiLSTM-CRF深度网络模型,对文本数据训练实现标注,在时间、报道时间、参与对象的识别准确率上均有所提升。
本文针对行为分析中姿态识别问题,提出并设计了一款基于IMU的无线姿态采集系统。首先,采用9轴IMU、STM32L0主控以及低功耗蓝牙模块设计了大小仅为7×7×3 mm的小体积、低功耗无线姿态识别硬件环境;其次,设计上位机软件接收、解析以及保存姿态数据;最后通过小鼠跑台实验对所设计姿态采集装置进行验证,IMU采集姿态数据经过主控模块处理后通过蓝牙模块将数据上传至上位机,由上位机解析并保存姿态数据。结