无线传感器网络的移动节点定位算法研究

利用物体运动的连续性,将移动节点的运动规律与距离测量相结合提出了运动预测定位算法,该算法不需要额外的硬件支持,适应能力强,在信标节点密度比较低时提高了性能.     

焊接机器人三维防碰撞力传感器的设计

设计了一种三维防碰撞力传感器,其可利用一个输入实现x、y、z三个方向的碰撞力测试,用在6-D.O.F串联焊接机器人末端时,既可以实现对机器人本身的保护,也可以安装在其他设备的末端执行器上实现对设备的保护.     

车载超低容量喷雾机液位自动检测装置的研究

目前喷雾机的药箱一般内置于喷雾机罩内,不易观察其液位的情况,给施药人员带来很多不便。基于这些实际问题而设计出一套液位自动检测及报警的控制模块,即当药箱液位低于设定的阀值时报警装置启动,提示药液不足以进行药箱的换接,从而避免漏喷或施药量不足。     

An “electronic nose” as a potential device for fire detection of forest product fire loads in enclosures

Abstract

Saving lives and properties are of primary importance in fire disasters. Unfortunately, current fire detectors are not fast enough to allow the detection of many fires, especially, at the smouldering stages. Some preliminary studies on laevoglucosan (LG), as an important product from cellulose degradation, have shown interesting properties and could be detected by devices classified as “electronic noses” (e-noses). In the present work, the mechanisms of pyrolysis of some ligno-cellulosic materials were investigated using thermo-gravimetric analysis, differential scanning calorimetry, Fourier transform infrared spectroscopy and by a tube furnace with a view to determining the major degradation products from wood, white paper and cardboard samples. Additionally, an odour sensor, made of tin oxide semiconductor thin film, was employed to evaluate its sensitivity in detecting LG. It was found that LG can be readily found among the thermal degradation products of cellulosic materials in question, and that the metal oxide sensor employed was sufficiently sensitive in detecting its presence. Therefore, the work opens up the potential of using such a sensor as an “e-nose” for the early detection of fires stemming from forest product fire loads in storage places and in other enclosures.     

新型漆酚铁树脂修饰的固体传感器的制备及应用

研究了一种用漆酚铁树脂进行化学修饰的固体传感器的制备方法,并初步探讨了其提高金属离子测定灵敏度的机理。在HOAc+NaOAc和KNO3混合介质中,该传感器测定铜离子的线性范围为4×10-9mol/L至2.5×10-7mol/L之间,富集20min后铜离子的检出限为8×10-11mol/L。用于实际水样的测定,平均回收率可达99.10%,结果满意。     

基于视触觉与深度学习的猕猴桃无损硬度检测方法

硬度是确定猕猴桃成熟度的重要指标之一,对其贮藏周期与销售节点均具有重要指导意义。针对现阶段缺乏使用简易、成本低且精度高的猕猴桃无损硬度检测方法的问题,提出了一种基于视触觉与深度学习的猕猴桃硬度检测方法,通过分析柔性触觉传感层与猕猴桃接触时的形变,获取猕猴桃的动态触觉信息,并据此推断其硬度。以树莓派开发板为机电控制平台,制作了猕猴桃视触觉序列图像采集装置,并对装置按压猕猴桃间隔3h后接触面果肉与非接触面果肉的CIELAB颜色分量平均数进行差异显著性检验,随后采集了猕猴桃视触觉序列图像数据集600组,分别搭建了CNN网络、CNN-LSTM迁移学习网络、CNN-LSTM联合学习网络对视触觉序列图像进行分析及硬度预测。研究结果表明,接触面果肉与非接触面果肉颜色L*、a*、b*三通道分量下平均值无显著差异;深度学习模型LSTM引入长时和短时信息可以动态关联CNN提取的单帧图像特征,从而有效推断猕猴桃硬度,其中CNN-LSTM联合学习模型预测效果最优,其均方根误差(RMSE)、平均绝对误差(MAE)、决定系数R2分别为 1.611N、1.360N、0.856,优于现阶段光谱技术检测猕猴桃硬度的结果,随后将模型嵌入树莓派中制作了猕猴桃硬度自动检测装置,可实现短时间内猕猴桃硬度的较为准确检测。因此,结合视触觉传感方法与联合学习模型可以实现对单个猕猴桃硬度的准确无损测量。     

基于GC-MS和电子鼻的面粉中粮虫快速检测方法

储粮害虫会降低粮食及其产品的重量、品质和营养健康指数,并且我国粮虫检测方式仍然以人工检测为主。为满足储粮害虫快速检测的需求,采用气相色谱-质谱联用仪（GC-MS）获得了赤拟谷盗（Tribolium castaneum（Herbst））的主要特定挥发性有机化合物（VOCs）,根据这些化合物的性质筛选出多个金属氧化物气敏传感器,并以传感器阵列为核心开发了储粮害虫电子鼻检测装置。该装置采集了赤拟谷盗、被赤拟谷盗侵染的面粉、被长头谷盗（Latheticus oryzae Waterhouse）侵染的面粉3种实验对象的气味信息,提取每条响应曲线的相对变化值和相对积分值作为原始特征矩阵（10×2）,使用主成分分析（PCA）和偏最小二乘回归算法（PLSR）对原始特征矩阵进行分析,并通过建立回归预测模型,实现了对面粉中赤拟谷盗和长头谷盗虫口密度的预测。优化后的传感器数量由10个减少至8个,赤拟谷盗样品的两个主成分累计的贡献率为79.4%。基于PLSR的预测模型对面粉中赤拟谷盗的数量有很好的预测效果（校正集：相关系数r=0.88,均方根误差为8.09;验证集：r=0.89,均方根误差为7.75）;该预测模型对面粉中长头谷盗的数量也有很好的预测效果（校正集：r=0.94,均方根误差为5.85;验证集：r=0.94,均方根误差为6.08）。研究结果表明：该装置能够满足判别储粮中不同虫口密度样本的基本需要,并且具有可靠的稳定性。     

传感器阵列对浓香型白酒发酵中黄水的检测研究

黄水是白酒在固态发酵过程的副产物,含有大量发酵产物,黄水的成分一定程度反映了固态发酵的信息。基于白酒固态发酵只能在线检测温度这一现状,设计了针对白酒副产物黄水的一种传感器阵列检测装置,用于检测黄水的总酸和残余葡萄糖。该传感器阵列由电导率传感器、pH传感器和氧化还原传感器构成。采用主成份分析、判别函数分析印证了传感器数据对不同样品的区分作用,再采用多元线性回归对黄水样品建立了预测模型,结果显示:该传感器阵列装置对黄水的总酸和残余葡萄糖的预测偏差分别为0.39和0.45。     

畜禽养殖疾病诊断智能传感技术研究进展

畜牧业是我国农业的重要组成部分,目前我国畜牧业向着规模化、集约化发展,同时也增加了畜禽疾病诊断的难度。为提高畜禽养殖中的动物福利水平,并降低畜牧养殖中因动物疫病与健康异常带来的经济损失与公共卫生安全风险,近年出现了一批通过数字化、智能化手段实现畜禽疫病诊疗的自动化方法,如机器视觉分析、动物音频分析、红外温度感知、深度学习分类等,这些方法可以有效提高对患病或异常畜禽动物的诊断效率、缩短诊断周期、降低畜牧养殖中人工巡检劳动力。畜禽疫病自动诊疗方法不同于常规的基于病理学知识的诊断方法,其主要通过各类传感器自动获取畜禽在养殖过程中的图像、声音、体温、心率、排泄物等各类特征信息,而后通过梅尔倒谱系数、Logistics回归分析等数学模型和支持向量机、深度学习等智能算法对采集的信息进行综合分析与处理,并对动物的健康状态做出评价与预测。文章分别从畜禽形态诊断技术、行为诊断技术、声音诊断技术、体温诊断技术、其他生理参数诊断技术等几个方面总结阐述了目前动物疫病智能诊断技术研究的进展和一些基础的方法原理,这些方法基于动物外型与体尺、行为与动作、鸣叫与声音、体温、排泄物、呼吸与心率等数字化特征,通过数学模型对传感器采集到的特征进行实时分析与分归类,基本实现了对理想环境下动物健康状态的评价。目前的畜禽动物疾病自动诊疗技术研究成果丰富,但相关诊断方法大多是在理想环境下进行,而实际的生产养殖环境中干扰因素很大,目前的诊断方法大多无法很好地排除干扰并精确提取出所需特征信息;并且目前的数字化禽畜疾病诊断方法多是基于禽畜的一种特征信息进行分析诊断,这使得诊断系统的诊断准确度受到影响,诊断结果说服力不足。同时目前的大多数数字化禽畜疾病诊断方法还存在诊断泛化能力差、抗干扰能力差等问题,这些问题制约了其推广与应用。未来畜禽疾病自动诊断的研究重点是提高其传感算法的精度和数学模型的适用性与鲁棒性,并进一步发展基于多种特征耦合与数据融合的智能化畜禽疾病诊疗专家系统,争取实现实时、高效、智能、精准的畜禽健康诊断。