基于TMS320LF2407嵌入式硬件平台的结构及设计

首先介绍了工业控制网络技术发展现状，说明嵌入式以太网是今后工业自动化发展的重要方向，然后针对一个具体测控系统的网络化改进为例，着重介绍了一种基于DSP嵌入式系统的以太网实现的软硬件设计。     

基于TMS320LF2XX嵌入式系统的RTOS移植研究

以工业控制系统中网络化改造为背景,讨论基于DSP的嵌入式系统中RTOS的移植方法,采用公开源码的嵌入式操作系统μC/OS-Ⅱ进行移植和二次开发。     

基于局域网的视频解码算法的研究与实现

网络视频解码的基础是码流的管理和视频流的解析。所设计的基于局域网的视频解码算法采用了码流的三级缓冲管理机制：由接收缓冲区负责存储从服务器端接收到的码流，工作缓冲区直接向视频解码提供所需数据，中间缓冲区负责以上2个缓冲区的中转。码流的解析首先从复合流中提取视频流，然后从视频流中读取一定位数的数据进行解码。为了保证视频解码过程的随机开始，在解码开始前，要求服务器先发送有关信息以便得到解码所需的必要参数，再接收码流并从找到的第1帧Ⅰ图像开始解码。为了正确解出紧跟在第1帧Ⅰ图像后面的B图像，系统构造了前向预测图像数据。抖动处理提高了图像显示的质量和速度。     

组培苗识别算法在基于TMS320C6711图像处理平台上的实现

为达到组培苗分割移植机器人的嵌入式控制系统对图像处理器小型化和快速化的要求 ,采用基于TMS32 0C6 711的嵌入式图像处理平台 ,开发了运行于该平台的软件系统 ,实现了组培苗识别算法在该平台上的移植。针对DSP软件开发难度大、涉及因素多 ,以及在本研究中需要大量数据存取的情况 ,在保证功能的前提下尽量精简软件结构 ,编写了轻量简洁的Bootloader和适应大量数据存取的连接命令文件。对软件进行了优化 ,将算法中占用时间较长的环节用线性汇编语言编写 ,使总处理时间降低了近 80ms。该图像处理器实验室测试结果为 ,苗节点识别准确率 96 % ,每棵苗的处理时间为 0 7～ 0 8s ,10× 2 4h连续运转稳定 ,性能达到设计要求。该图像处理器的体积只有PC机的 1/ 2 0 ,达到了小型化的要求。     

TMS320F2812内嵌eCAN模块在种畜采食活动监控系统中的应用设计

研究设计了一套基于TMS320F2812内嵌eCAN模块的种畜采食活动监控系统,用以实现对种畜个体日采食量、日增重等数据进行记录,并对种畜个体进行识别和监控,同时实现多机协同操作,使系统更可靠、采集精度更高、操作更灵活。     

基于高速摄像技术的振动落果惯性力研究

【目的】研究果实在激振力作用下脱离枝干的运动规律、果实振动脱落时的加速度和脱落惯性力,为振动式果品收获机的研制提供理论依据。【方法】运用果树振动装置进行了杏果侧枝振动落果试验,采用高速摄像仪对分离过程进行了跟踪拍摄,通过Phantom控制软件对图像进行跟踪、捕捉、分析和计算,探寻杏果实在脱离枝干过程中瞬时速度的变化规律。【结果】杏果实脱离枝干过程中瞬时速度的变化表现为增大-减小-匀速运动-杏果实与枝干完全分离,杏果实与所在枝干的相对瞬时速度最大达到1.723m/s,杏果实的脱落加速度最大为4.270×102 m/s2,脱落惯性力最大为5.124N。【结论】脱落惯性力是杏果实脱离枝干所需的最小作用力,其是确定振动式果品收获机在收获果实的过程中作用于枝干激振力大小的理论依据,也是振动式果品收获机其他性能指标的理论参考。确定适当的激振力,可以保证振动式果品收获机在采收过程中果实的采净率高,同时对果树的损伤最小。     

基于ZigBee无线传感器网络的森林火灾监测系统的研究

该文在探讨森林起火因素的基础上,构建了一种基于ZigBee无线传感器网络的森林火灾实时监测系统.该系统给出了森林火灾无线传感器网络监测系统的体系结构,重点设计了基于CC2430芯片的网络节点硬件电路,详尽地讨论了网络的数据传输流程;该系统能够监测林区温湿度等相关环境参数的变化,为有关部门采取相应的防火或灭火措施提供决策依据.      

基于ZigBee无线传感器网络的森林环境监测系统

设计了一种基于ZigBee无线传感器网络的森林环境监测系统;描述了该系统的构成原理与整体结构,以及基于CC2430芯片的传感器节点和网关的硬件设计和系统软件工作流程.采用的星—簇首—路由的拓扑结构,具有低成本、易于部署、使用寿命长等优点.     

基于校园网的电机转子试验台远程测控系统

针对高校教育规模快速增长导致工科试验环境拥挤、资源不足等问题,采用虚拟仪器技术和LabVIEW软件平台Remote Panel发布技术,对网络实验室的体系结构、视频图像网络传输和网页融合技术进行研究,设计了基于B/S模式的电机转子网络测控实验室远程测控系统:在测控系统的HTML源文件中创建帧,该系统能够通过校园网在同一网页页面中显示实验室电机转子的监控图像和测控参数信息;用户可以利用校园网进行电机转子的位移测量、轴心轨迹测量、振动测量以及转速测量和控制等试验项目。实际运行结果表明,视频图像800像素×600像素时清晰度好,电机转子转速能够快速逼近网络用户设定值,误差为1%,振动信号和转速信号采集误差为1%,能够满足转子试验台远程测控网络试验的要求。     

基于神经网络的蔬菜农药残留风险预警模型研究

为探索基于常规监测数据的神经网络预警模型在农产品传统风险管理中的应用,以2011—2012年我国5省市的蔬菜中农药残留监测数据为样本,采取神经网络方法建立风险预警模型。首先,以产品种类、监测环节、监测时间和蔬菜产地为参考采用专家打分法将样本进行安全性评级,然后将经过筛选和预处理的45种农药监测数据,作为BP神经网络输入层,并根据不安全蔬菜的风险程度,以非常安全(A)、比较安全(B)、基本安全(C)、较不安全(D)和不安全(E)5个等级作为输出层,农药残留数据经过处理整合后得到16个样本,通过对其中14个样本进行拟合训练,得到预警模型及2个验证样本的评分结果分别为2.343 0和3.171 5,与实际评分结果隶属同一安全等级。证明基于客观监测数据的神经网络预警模型对于蔬菜中农药残留的预警是有效的。     

基于Caffe卷积神经网络的大豆病害检测系统

以常见的大豆病害图片为样本,研究分析了大豆的叶斑病、花叶病、霜霉病和灰斑病,并利用卷积神经网络技术设计了针对大豆的病害检测系统。通过对病害图片的二值化和轮廓分割等预处理来获得神经网络模型的训练集,并在此基础上对模型进行了多方面的优化,利用Caffe框架对优化后的网络模型进行了识别率等方面的实验验证。此外,为提高模型使用的便捷性,本实验使用了Qt软件为该系统设计了人机交互界面,从而进一步实现了数据可视化。     

基于BP神经网络的中国大豆进口量预测

文章主要讨论了BP神经网络的预测精度问题,得出其预测精度随着预测时间的推移而不断降低的结论,利用BP神经网络对2006～2008年我国的大豆进口量进行了预测。