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。     

RGB-D SLAM增强现实原木检尺系统构建与测试

将内嵌有ToF相机、面阵相机及IMU的智能手机作为硬件系统,RGB-D SLAM技术实时获取的深度图、位姿等为数据源,构建了RGB-D SLAM增强现实楞堆原木检尺系统。首先设计了基于ToF影像实时估计RGB影像像素深度的方法,实现对待测原木端面几何坐标的初步估计;其次,设计了散形分区去噪算法实现原木端面点云的精确过滤,设计了原木端面曲率估计算法实现对过滤点云可靠性判别;然后,基于PCA等算法实现原木长、短直径方向向量估计,并基于该向量对原木长、短直径进行了估计;最后,以所构建算法为基础在智能手机平台上搭建了增强现实楞堆检尺系统,实现智能手机对原木进行实时检尺、增强现实场景对测量结果实时监督。新型检尺系统通过对6个楞堆334根原木进行了检尺实验,以评估该设备的测量精度。结果显示：原木平均直径估计值的偏差及均方根误差分别为-0.13 cm(-0.35%)及1.05 cm(3.34%);原木径阶化直径估计值的偏差及均方根误差分别为-0.10 cm(-0.22%)及1.33 cm(4.43%);原木材积估计值的偏差及均方根误差分别为-0.007 m³(-0.27%)及0...     

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。