123,123,123

頭條

基于ESP32嵌入式Web服務(wù)器的手機(jī)化儀表設(shè)計(jì)

基于ESP32嵌入式Web服務(wù)器的手機(jī)化儀表設(shè)計(jì)

隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，單片機(jī)性能升級(jí)且功能變得豐富，利用單片機(jī)創(chuàng)建Web服務(wù)器，使用瀏覽器作為客戶端進(jìn)行訪問變得可行。借鑒其思路，提出一種嵌入式Web服務(wù)器＋瀏覽器架構(gòu)的無(wú)軟件化手機(jī)儀表設(shè)計(jì)方法。先用JavaScript語(yǔ)言將常用的手機(jī)儀表元素設(shè)計(jì)為一個(gè)能嵌入到單片機(jī)存儲(chǔ)系統(tǒng)中的50 KB大小的庫(kù)，然后在其基礎(chǔ)上形成C風(fēng)格手機(jī)儀表HTML網(wǎng)頁(yè)生成函數(shù)，最后再通過單片機(jī)Web服務(wù)器將封裝后的C風(fēng)格手機(jī)儀表HTML網(wǎng)頁(yè)生成函數(shù)轉(zhuǎn)換為手機(jī)瀏覽器支持的HTML網(wǎng)頁(yè)進(jìn)行顯示和用戶操作。該設(shè)計(jì)實(shí)現(xiàn)將儀表軟件安裝在下位機(jī)，客戶端零安裝、零配置訪問儀表界面。

泰克新推紀(jì)念版TBS1000X/TDS2000X系列，延續(xù)20年基礎(chǔ)數(shù)字示波器普及之路

全球領(lǐng)先的測(cè)試測(cè)量提供商—泰克科技日前宣布推出TBS1000X /TDS2000X系列紀(jì)念版示波器，在全球售出第一百萬(wàn)臺(tái)基于TBS/TDS平臺(tái)的基礎(chǔ)示波器之后，泰克為答謝客戶和數(shù)百萬(wàn)正在使用泰克示波器的工程師，特別推出X系列，僅在中國(guó)市場(chǎng)在線發(fā)售，將以專業(yè)設(shè)計(jì)、熟悉的簡(jiǎn)便易用性、更超值的性價(jià)比，幫助中國(guó)工程師創(chuàng)建出色項(xiàng)目和實(shí)現(xiàn)突破性設(shè)計(jì)！

發(fā)表于：10/16/2018

大聯(lián)大友尚集團(tuán)推出Realtek最新的IPCAM SoC安全監(jiān)控解決方案

致力于亞太地區(qū)市場(chǎng)的領(lǐng)先半導(dǎo)體元器件分銷商---大聯(lián)大控股宣布，其旗下友尚推出瑞昱半導(dǎo)體（Realtek）最新一代IPCAM SoC安全監(jiān)控解決方案。

發(fā)表于：10/16/2018

霍尼韋爾Vocollect語(yǔ)音解決方案助力大東鞋業(yè)實(shí)現(xiàn)倉(cāng)儲(chǔ)物流智能化

《財(cái)富》全球五百?gòu)?qiáng)之一的多元化、高科技先進(jìn)互聯(lián)工業(yè)企業(yè)霍尼韋爾（紐交所代碼: HON）針對(duì)倉(cāng)庫(kù)和配送中心定制設(shè)計(jì)的Vocollect語(yǔ)音解決方案，成功幫助大東鞋業(yè)實(shí)現(xiàn)倉(cāng)儲(chǔ)物流智能化，使倉(cāng)儲(chǔ)作業(yè)效率顯著提升50%、揀選準(zhǔn)確率增至99.99%，同時(shí)縮短新員工培訓(xùn)時(shí)間達(dá)70%。

發(fā)表于：10/16/2018

OnRobot亮相中國(guó)國(guó)際工業(yè)博覽會(huì)，展示協(xié)作機(jī)器人應(yīng)用實(shí)力

總部位于丹麥的協(xié)作機(jī)器手臂末端工具（EOAT）供應(yīng)商OnRobot參加了2018年中國(guó)國(guó)際工業(yè)博覽會(huì)（CIIF），并在博覽會(huì)上展示了一系列使機(jī)器人和人類能夠更有效協(xié)同并肩工作的應(yīng)用。

發(fā)表于：10/16/2018

Splunk 助力嘉年華公司為客戶提供輕松愉悅的觀光體驗(yàn)

致力于將數(shù)據(jù)轉(zhuǎn)化為行動(dòng)和價(jià)值的Splunk公司（NASDAQ： SPLK）宣布全球最大的休閑旅游公司嘉年華公司（Carnival Corporation & plc）正在通過Splunk Cloud?和Splunk® Enterprise Security（ES），在游客度假期間提供安全的移動(dòng)接入。此外，嘉年華郵輪還通過Splunk Enterprise，對(duì)游客在線預(yù)訂、活動(dòng)預(yù)約以及其在船上的活動(dòng)等數(shù)據(jù)進(jìn)行分析。

發(fā)表于：10/16/2018

貿(mào)澤電子祝賀董荷斌勇奪2018富士6小時(shí)LMP2組亞軍

專注于引入新品推動(dòng)行業(yè)創(chuàng)新的電子元器件分銷商貿(mào)澤電子(Mouser Electronics)宣布由其贊助的華人第一賽車手董荷斌所在的耀萊成龍DC車隊(duì)38號(hào)車組，在上周末剛結(jié)束的2018-19國(guó)際汽聯(lián)世界耐力錦標(biāo)賽富士6小時(shí)中表現(xiàn)出色，在領(lǐng)跑大半場(chǎng)比賽后勇奪LMP2組亞軍。

發(fā)表于：10/16/2018

基于膠囊網(wǎng)絡(luò)的指靜脈識(shí)別研究

針對(duì)卷積神經(jīng)網(wǎng)絡(luò)(CNN)中空間上的指靜脈信息丟失的問題，提出了一種基于膠囊網(wǎng)絡(luò)(Capsule Network，CapsNets)的指靜脈識(shí)別算法。CapsNets在整個(gè)學(xué)習(xí)過程中以“膠囊”的形式從底層傳遞至高層，如此以向量的形式封裝指靜脈的多維特征，特征會(huì)在網(wǎng)絡(luò)中被保存，而不是丟失后進(jìn)行恢復(fù)。采用60 000張圖像作為訓(xùn)練集，10 000張圖為測(cè)試集，通過對(duì)圖像增強(qiáng)、裁剪后進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)。通過實(shí)驗(yàn)表明，CapsNets的網(wǎng)絡(luò)結(jié)構(gòu)特征相比CNN在處理脊線區(qū)域時(shí)效果更加明顯，對(duì)比VGG精確度增加了13.6%，loss值也收斂到0.01。

發(fā)表于：10/16/2018

基于深度學(xué)習(xí)的實(shí)時(shí)識(shí)別硬件系統(tǒng)框架設(shè)計(jì)

設(shè)計(jì)了一種基于深度學(xué)習(xí)的實(shí)時(shí)識(shí)別硬件系統(tǒng)框架。該系統(tǒng)框架使用Keras完成卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練并提取出網(wǎng)絡(luò)的參數(shù)，利用ZYNQ器件的FPGA+ARM軟硬件協(xié)同的方式，使用ARM完成對(duì)實(shí)時(shí)圖像數(shù)據(jù)的采集、預(yù)處理及顯示，通過FPGA實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的硬化并對(duì)圖像進(jìn)行識(shí)別，再將識(shí)別結(jié)果發(fā)送至上位機(jī)進(jìn)行實(shí)時(shí)顯示。系統(tǒng)框架采用MNIST和Fashion MNIST數(shù)據(jù)集作為網(wǎng)絡(luò)模型硬化試驗(yàn)樣本，實(shí)驗(yàn)結(jié)果表明，在一般場(chǎng)景下該系統(tǒng)框架能夠?qū)崟r(shí)、準(zhǔn)確地完成圖像數(shù)據(jù)的獲取、顯示及識(shí)別，并且具有可移植性高、處理速度快、功耗低的特點(diǎn)。

發(fā)表于：10/16/2018

基于TensorFlow深度學(xué)習(xí)手寫體數(shù)字識(shí)別及應(yīng)用

手寫體數(shù)字的識(shí)別是人工智能識(shí)別系統(tǒng)中的重要組成部分。因個(gè)體手寫數(shù)字的差異，現(xiàn)有識(shí)別系統(tǒng)準(zhǔn)確率較低?；赥ensorFlow深度學(xué)習(xí)框架完成手寫體數(shù)字的識(shí)別及應(yīng)用，首先建立TensorFlow深度學(xué)習(xí)框架，并分析了Softmax、卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型結(jié)構(gòu)，再對(duì)手寫體數(shù)據(jù)集MNIST的60 000個(gè)樣本進(jìn)行深度學(xué)習(xí)，然后進(jìn)行10 000個(gè)樣本的測(cè)試對(duì)比，最后移植最優(yōu)模型到Android平臺(tái)進(jìn)行應(yīng)用。實(shí)測(cè)數(shù)據(jù)驗(yàn)證，相對(duì)于傳統(tǒng)的Softmax模型，基于TensorFlow深度學(xué)習(xí)CNN模型識(shí)別率高達(dá)99.17%，提升了7.6%，為人工智能識(shí)別系統(tǒng)的發(fā)展提供了一定的科研價(jià)值。

發(fā)表于：10/15/2018

基于深度學(xué)習(xí)的人體行為識(shí)別算法

為改善人體行為識(shí)別任務(wù)中準(zhǔn)確率低的問題，提出了一種基于批歸一化的卷積神經(jīng)網(wǎng)絡(luò)（CNN）與長(zhǎng)短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)結(jié)合的神經(jīng)網(wǎng)絡(luò)。CNN部分引入批歸一化思想，將輸入網(wǎng)絡(luò)的訓(xùn)練樣本進(jìn)行小批量歸一化處理，經(jīng)過全連接之后，送入長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)中。該算法采用時(shí)空雙流網(wǎng)絡(luò)模型結(jié)構(gòu)，視頻數(shù)據(jù)的RGB圖像作為空間流網(wǎng)絡(luò)輸入，光流場(chǎng)圖像作為時(shí)間流網(wǎng)絡(luò)輸入，再將時(shí)空雙流網(wǎng)絡(luò)各自得到的識(shí)別結(jié)果進(jìn)行加權(quán)融合得到最終的行為識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的時(shí)空雙流神經(jīng)網(wǎng)絡(luò)算法在人體行為識(shí)別任務(wù)上具有較高的識(shí)別準(zhǔn)確率。

發(fā)表于：10/15/2018