基于机器视觉的智能垃圾分类实验平台设计

针对前端垃圾分类采集的需求,研发了基于机器视觉的智能垃圾分类实验平台。该平台使用“视觉检测与智能桶分离”及“桶盖与桶身分离”的机构设计,采用树莓派CM4、STM32F103控制板及云平台组建云边协同的控制系统。通过构建大规模单物品垃圾图像数据集GarbageNet,设计基于深度跨连接网络的垃圾分类算法,实验平台对10大类垃圾识别率达97.2%。同时,面向实验教学需求,开发了通用图像分类模型实验架构,并设计了基于迁移学习的实验内容,在实验教学过程中取得良好成效。     

基于高效的动态网络垃圾图像分类模型研究

环境问题是一个非常严峻的全球性问题,而垃圾分类是一种保护环境的有效措施。针对现有的垃圾分类网络无法根据样本分类的难易程度动态平衡计算资源和识别准确率低等问题,提出了一种高效的动态垃圾分类网络DynamicGarbageNet。该网络基于MobileNetV2设计了一种动态的轻量化主干网络,并由三个深度依次递增的子网络组成。利用迁移学习技术优化模型参数,进一步提高精度。实验结果表明,DynamicGarbageNet在华为云垃圾分类数据集上的准确率为95.7%,速度为90FPS,均高于MobileNetV2。     

基于TensorFlow的垃圾分拣机器人设计

针对人工智能相关专业深度机器学习理论与实践脱节的情况,结合市场对垃圾分拣的实际需求,设计了一款基于TensorFlow的垃圾视觉分拣机器人实验平台。实验平台硬件部分包括:NVIDIA Jetson TX2嵌入式机器学习平台、智能机械臂控制系统;软件部分基于TensorFlow深度学习框架,通过数据采集、数据标注、MobileNet SSD模型的迁移训练等若干步骤,实现了垃圾的视觉分拣。实验平台可满足深度学习、工业机器人、机器视觉等先进技术的实践教学要求,有助于提高学生的创新与实践能力。     

基于迁移学习的指关节纹识别算法实验设计

针对传统机器学习算法特征提取烦琐且普遍存在特征单一、识别准确率低的问题,采用能够自行提取图像特征的卷积神经网络模型,对指关节纹识别分类的任务进行实验研究.对指关节纹图像进行预处理后,设计Vgg-16架构的预训练网络模型,对指关节纹数据集进行迁移学习,为了提高预训练网络的移植性和过拟合现象,对预训练网络的部分层解冻与分类...     

基于动态对抗适应网络的垃圾分类算法

为了解决垃圾的自动分类问题,基于动态对抗适应网络,提出了一种融入空间注意力机制的垃圾图像分类算法。在训练迭代过程中,算法通过利用领域鉴别器与特征提取器的相互对抗,不断增强领域鉴别器的识别能力与特征提取器的迷惑能力,让模型学习获得更多的领域不变量;并针对模型的参数进行不断优化更新,最终达到领域适应的目的。同时,将空间注意力模块融入领域对抗自适应中,使得网络更加关注与分类任务有关的关键区域,使模型能够定位到感兴趣的信息,并对无用信息进行抑制。在垃圾数据集上的实验结果表明,所提模型可以取得较好的分类效果,且优于对比算法。     

基于FDC2214单通道阈值分析的手势识别系统

设计了基于电容式传感器FDC2214的手势识别系统,经过有限次学习和阈值分析优化,识别正确率可以达到94.56%。首先设计所需的硬件电路,采用单极板单通道法和频率测量法提高测量的精度。然后在学习模式中,通过对采集的不同手势的电容值进行阈值标定,记录训练数据。在识别模式中,调用训练模型对采集的识别者手势进行分类识别。最后采用大量样本检测学习效果,证明系统具有较好的识别效果。     

“大宣教”格局与公民垃圾分类意识的培养——学习《关于进一步推进生活垃圾分类工作的若干意见》

学习《关于进一步推进生活垃圾分类工作的若干意见》,从宣传教育的角度出发看中国公民垃圾分类意识的培养,对推动我国垃圾分类回收工作具有重要意义。通过分析垃圾分类宣传教育的重要意义,梳理中外环境意识宣传教育的经验,探索中国垃圾分类宣传教育工作的新路径,即以政府垃圾分类宣传教育工作为主导,充分运用全媒体、发动多主体参与宣传教育工作,提高公民的意识,从而构建全民环境教育体系,形成生态环境保护新风尚。     

基于迁移学习的家猪图像识别研究

为实现家猪图像识别并提高识别准确率,提出一种基于迁移学习的家猪图像识别方法。首先对现有数据集进行数据增强,然后迁移 VGG16 模型并对其进行微调,从而更好地提取图像特征并缩短网络训练时间。采用自归一化神经网络解决了梯度消失和梯度爆炸问题,在网络构造时使用全局平均池化代替全连接层,以达到降低模型过拟合的效果。实验对比结果表明,该方法分类效果较好,准确率达到了 84%,召回率和 F1 值分别提升至 0.8、0.82,各项指标相比基础模型均有所提升。     

基于改进E-EfficientNet的古陶瓷纹饰分类模型

为进一步提高古陶瓷纹饰分类精度，提出一种基于改进EfficientNet的古陶瓷纹饰分类模型。该模型通过引入高效率注意力机制(ECA)模块改进原主干网络EfficientNet-B0,有效捕获通道间的交互信息，利用跳跃连接在特征提取的最后一层加入ECA模块，获得古陶瓷纹饰注意力特征图，并利用迁移学习和Adam优化算法在古陶瓷纹饰数据集上进行实验验证。结果表明，改进后的E-EfficientNet模型在古陶瓷纹饰数据集上的识别准确率达到了99.26%,较改进前提高了2.48%;与同类轻量化模型ShuffleNet-V2和MobileNet-V3对比，识别准确率分别提高了2.10%和2.91%;与其他经典模型VGG、ResNet对比，不仅参数量大幅度减少，识别准确率均明显提高，可有效用于古陶瓷纹饰分类。     

基于云边端协同垃圾分类检测系统的设计和实现

针对人工分拣垃圾成本过高影响垃圾分类推广的问题,将计算机视觉中的物体检测应用于垃圾分类领域,实现“云、边、端”协同的垃圾分类检测系统开发。从垃圾物体数据采集和预处理,到配置YOLO v3神经网络模型,并将模型部署在硬件开发板上,通过摄像头识别垃圾物体并完成垃圾分类检测任务,实现理论研究到生产实践落地的整个过程。     

会吃垃圾的机器鱼

有一天,我去上海外滩游玩,看见苏州河水中漂浮着不少零星的垃圾。于是,我设计了一条“会吃垃圾的机器鱼”,让它帮助我们清洁河水。设计原理:吃垃圾的机器鱼背部装有太阳能电池板,太阳能由蓄电池储藏起来,电能使机器鱼体内的电动机带动螺旋桨工作,于是水从机器鱼的大嘴里吸进,从     

基于迁移学习的交通标志识别系统设计

针对自动驾驶领域对交通标志识别的需求,设计了一种基于迁移学习的交通标志识别系统。该系统采用了预训练的MobileNetV3(去掉输出层)作为特征提取网络,然后添加两个自定义的全连接层以实现信号的分类和输出。由于采用迁移学习方法,深度学习网络中需训练的模型参数大幅减少,训练所需时间大为缩短。该系统使用经典的中国交通标志数据库(CTSDB)中的数据作为交通标志的训练数据和测试数据,训练结果表明,损耗低至0.024 3,准确率高达99.88%;测试结果表明,可以对58类交通标志进行识别,准确率为55.3%。     

“保护生物圈,从垃圾分类做起”项目式教学设计

以“保护生物圈,从垃圾分类做起”为例,渗透项目学习教学策略,通过社区走访调查垃圾分类现状、自制垃圾分类模拟教具、探究实验和一系列活动帮助学生理解垃圾分类方法和垃圾分类处理的必要性,同时增强垃圾分类意识和保护环境的社会责任。     

再论化学学习的迁移

化学教学中,在传授知识的同时,培养学生的能力,发展智力,是中学化学教学的重要目标。化学学习中的“迁移”,则是检验能否达到这个目标的最可靠的指标。任何有学习的地方总是存在着一种学习对另一种学习的影响。所以,迁移普遍存在于学习中。一、学习迁移的分类根据不同的标准．一般可按下面的分类形式进行。二、各类迁移的学习（－）正迁移与负迁移学习的迁移是指“一种学习对另一种学习的影响”,起促进作用的为正迁移,反之为负迁移。如学习数学知识,有利于化学计算,这是不同学科间的迁移;对各种化学元素化合价的熟练掌握,有利于…     

大学生创新创业项目--音乐垃圾桶

为了帮助人们分类扔垃圾,提高对于垃圾分类的积极性,该文作者设计了"音乐垃圾桶",以此进一步促进城市垃圾分类。音乐垃圾桶分为回收和不可回收两种,并用不同的色彩、播放不同的音乐来进行区分,且当人们投入垃圾后,还会发出"Good"的音乐。     

工业机器人实验教学平台

针对工业机器人系统复杂、学习难度大等问题,设计了基于机器视觉的五子棋人机对弈实验教学平台。通过机器视觉实验,学生可以学习相机标定、棋子快速识别与定位的图像算法。通过对弈搜索算法实验,学生可以学习树状智能搜索算法的原理。最后进行机器人程序控制实验,了解机器人轨迹规划的基本原理,通过修改机器人程序可得到不同的机器人运动轨迹。利用开发的人机交互界面,可进行对弈实验测试。该实验达到了预期实验目的。     

基于卷积神经网络的智能垃圾分拣车

基于卷积神经网络,设计一种智能垃圾分拣车。该分拣车以树莓派为控制核心,使用单目广角摄像头、超声波测距传感器、倾斜角度传感器获取信息,以麦克纳姆轮小车为运动载体,通过Yolo-Fastest目标检测算法和自主编写的运动反馈控制算法,实现自主路径规划、垃圾识别、垃圾抓取、垃圾分类等功能,具有简单可靠、性价比高的特点。     

国内分类垃圾桶发展现状与分析

垃圾分类标准与分类垃圾桶及其附属功能的设计是在国内推行垃圾分类处理的两大瓶颈。结合国内外垃圾处理方式以及分类垃圾桶的研究与应用,对比分析提出了国内现有的垃圾处理方式和分类垃圾桶的不足,垃圾分类政策和分类垃圾桶的设计是相辅相承的,目前国内重视政策,但是对垃圾分类设施的设计明显滞后。并依据其原因提出了对应的设计要点。     

基于PLC和视觉的机器人物体识别和分类研究

对目标物体的准确识别和分类,是机器人在工业应用中进行抓取和分拣等任务的核心问题。提出了基于PLC和机器视觉的物体形状和颜色识别系统,该系统由PLC作为主控,利用机器视觉对物体形状和颜色进行分类,在识别目标特征后,送入MATLAB处理后将结果发送给PLC,PLC控制机器人的关节,进行目标选择和抓取,有效提高了定位精度和工作效率,降低了成本。     

初中化学垃圾分类项目式学习设计

垃圾分类是与化学密切相关的社会热点问题,垃圾分类的项目式学习让学生在项目式学习中通过了解垃圾影响环境情况、亲身参与垃圾分类回收、给县长写信提出建议、梳理化学核心知识、探究金属的回收流程、展示项目学习成果,提升化学学科核心素养,初步形成参与社会决策的意识。