97视频免费人人观看人人,国产良心大作白丝精厕

Excelitas Technologies推出MachVis OnLine在線鏡頭配置器軟件[模擬設(shè)計(jì)][數(shù)據(jù)中心]

全球創(chuàng)新的定制化光電解決方案技術(shù)領(lǐng)導(dǎo)者埃賽力達(dá)科技有限公司（Excelitas Technologies? Corp.），近期宣布面向視覺系統(tǒng)設(shè)計(jì)師和工程師推出全新的MachVis? 在線鏡頭配置器軟件?，F(xiàn)在，其免費(fèi)的MachVis鏡頭配置器軟件可作為Web應(yīng)用程序使用，還能識(shí)別和配置所需的所有鏡頭解決方案和機(jī)械配件，并生成可用的支持文檔，以簡化機(jī)器視覺中各種光學(xué)應(yīng)用的集成計(jì)劃和訂購流程，以及工業(yè)、半導(dǎo)體電子和平板顯示器制造等市場領(lǐng)域的檢測流程。

發(fā)表于：10/19/2021 9:25:18 PM

Power Integrations推出具有內(nèi)置USB PD控制器的InnoSwitch3-PD可顯著減少元件數(shù)量，最大限度地提高效率[模擬設(shè)計(jì)][消費(fèi)電子]

Power Integrations新推出的InnoSwitch3-PD反激式開關(guān)IC是業(yè)界面向USB Type-C、USB PD和USB數(shù)字控制電源（PPS）適配器應(yīng)用的集成度最高的解決方案。

發(fā)表于：10/19/2021 9:09:05 PM

倉儲(chǔ)自動(dòng)化，自主移動(dòng)機(jī)器人助企業(yè)應(yīng)考“雙十一”[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

距今年“雙十一”僅剩不到一個(gè)月，戰(zhàn)鼓已經(jīng)敲響。在每年“雙十一”全民購物狂歡中，潮水一般的訂單既給企業(yè)帶來了巨大商機(jī)，也對(duì)制造及物流環(huán)節(jié)構(gòu)成了嚴(yán)峻的挑戰(zhàn)。據(jù)國家郵政局?jǐn)?shù)據(jù)[1]顯示，去年11月1日至11日期間，全國郵政、快遞企業(yè)共處理快件39.65億件，其中11月11日當(dāng)天共處理快件量達(dá)到創(chuàng)紀(jì)錄的6.75億件，同比增長26.16%。

發(fā)表于：10/19/2021 8:49:03 PM

技術(shù)干貨 | 3D 霍爾效應(yīng)傳感器如何在自治系統(tǒng)中實(shí)現(xiàn)精準(zhǔn)的實(shí)時(shí)位置控制[模擬設(shè)計(jì)][消費(fèi)電子]

隨著工業(yè) 4.0 的先進(jìn)制造工藝席卷全球市場，高度自動(dòng)化系統(tǒng)的需求急劇增長，這些系統(tǒng)既需要在集成的制造流程中運(yùn)行，又需要不斷收集流程控制數(shù)據(jù)。大多數(shù)此類系統(tǒng)（包括機(jī)械臂中的磁性編碼器、接近傳感器、傳動(dòng)器、壓力變送器、線性電機(jī)和自主移動(dòng)機(jī)器人）均需要先進(jìn)的位置感應(yīng)解決方案來控制性能并收集工廠級(jí)數(shù)據(jù)，從而做出更明智的決策并提高設(shè)備運(yùn)行的安全性和可靠性。

發(fā)表于：10/19/2021 8:33:23 PM

基于自主配置和最小二乘法的數(shù)據(jù)擇優(yōu)[其他][其他]

在傳統(tǒng)的安控系統(tǒng)中，數(shù)據(jù)的選擇都是依賴中心發(fā)送的選擇幀，當(dāng)中心的選擇幀出現(xiàn)問題時(shí)，安控系統(tǒng)顯示的信息就可能出現(xiàn)偏差。針對(duì)這個(gè)問題，融合使用基于自主配置的擇優(yōu)和基于最小二乘法的擇優(yōu)，選出最優(yōu)的數(shù)據(jù)進(jìn)行顯示，可以有效解決完全依賴中心選擇幀的情況。從試驗(yàn)結(jié)果看，融合基于自主配置擇優(yōu)和基于最小二乘法的擇優(yōu)方法顯示效果優(yōu)于只使用選擇幀的方法。

發(fā)表于：10/19/2021 2:47:00 PM

LED顯示系統(tǒng)自動(dòng)化健康管理系統(tǒng)研究[其他][其他]

從視頻傳輸、視頻處理、視頻顯示環(huán)節(jié)入手，研究了目前主流LED顯示系統(tǒng)的運(yùn)維管理及健康診斷技術(shù)發(fā)展現(xiàn)狀和存在問題，分析了各設(shè)備運(yùn)行狀態(tài)對(duì)整個(gè)系統(tǒng)運(yùn)行可能帶來的影響，提出了LED視頻顯示健康管理系統(tǒng)的發(fā)展設(shè)想，并對(duì)系統(tǒng)結(jié)構(gòu)組成、實(shí)現(xiàn)方法和運(yùn)行流程進(jìn)行了設(shè)計(jì)，為LED顯示系統(tǒng)自動(dòng)化監(jiān)控管理和安全運(yùn)維建設(shè)提供了成功案例。

發(fā)表于：10/19/2021 2:43:00 PM

基于極化碼的分布式信源編解碼系統(tǒng)的FPGA設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

為解決在終端資源受限的場景下難以進(jìn)行壓縮編碼的問題，在FPGA平臺(tái)上設(shè)計(jì)了一種基于極化碼的分布式信源編解碼系統(tǒng)。系統(tǒng)在反饋機(jī)制下通過刪除部分極化碼校驗(yàn)比特實(shí)現(xiàn)了碼率自適應(yīng)傳輸。最后采用Verilog硬件描述語言在Xilinx公司的Virtex-7系列開發(fā)板上進(jìn)行硬件設(shè)計(jì)及系統(tǒng)實(shí)現(xiàn)。測試結(jié)果表明，采用時(shí)鐘頻率為200 MHz的情況下，系統(tǒng)的吞吐率可達(dá)到919 kb/s。

發(fā)表于：10/19/2021 2:39:20 PM

智能車控制的數(shù)顯儀表識(shí)別技術(shù)研究[其他][其他]

在工業(yè)現(xiàn)場中，通過移動(dòng)機(jī)器人自主巡檢與讀表的應(yīng)用越來越廣泛。數(shù)顯儀表的讀數(shù)受到光照、對(duì)焦和場景等因素的影響，存在識(shí)別精度低的問題。針對(duì)上述問題，提出了融合感知與控制的數(shù)顯儀表識(shí)別機(jī)制，首先使用圖像目標(biāo)檢測網(wǎng)絡(luò)識(shí)別數(shù)顯儀表，標(biāo)出目標(biāo)區(qū)域。隨后設(shè)計(jì)基于圖像反饋的智能車控制策略，以此抑制模糊對(duì)焦的影響。再使用改進(jìn)的自動(dòng)色彩均衡(ACE)算法對(duì)基于色彩膨脹切割的數(shù)字塊進(jìn)行圖像色彩增強(qiáng)。最后通過卷積循環(huán)神經(jīng)網(wǎng)絡(luò)(CRNN)進(jìn)行實(shí)時(shí)儀表數(shù)字識(shí)別。通過實(shí)驗(yàn)驗(yàn)證了所設(shè)計(jì)技術(shù)的性能，證明了方法的可行性和有效性。

發(fā)表于：10/19/2021 2:33:42 PM

基于LSTM-ARIMA組合模型的區(qū)域短期用電量預(yù)測[其他][其他]

用電數(shù)據(jù)具有不平穩(wěn)、非線性的特點(diǎn)，為了提升對(duì)用電數(shù)據(jù)的擬合精度，增強(qiáng)預(yù)測能力，基于序列預(yù)測與殘差修正的思想提出通過長短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory Neural Network，LSTM)對(duì)用電量序列進(jìn)行預(yù)測，真實(shí)值與預(yù)測值所構(gòu)成的差值即殘差用差分自回歸移動(dòng)平均模型(Autoregressive Integrated Moving Average Model，ARIMA)進(jìn)行殘差修正，將LSTM的預(yù)測值與ARIMA的殘差修正值進(jìn)行重構(gòu)得到最終的預(yù)測值。最后利用廣東省佛山市某工業(yè)園區(qū)的用電數(shù)據(jù)對(duì)組合模型進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果顯示該模型的預(yù)測精度與預(yù)測穩(wěn)定性均優(yōu)于其他模型，取得了良好的預(yù)測效果。

發(fā)表于：10/19/2021 2:29:03 PM

基于GrabCut的改進(jìn)分割算法[其他][其他]

針對(duì)GrabCut算法對(duì)于特征不明顯、紋理復(fù)雜的圖像分割效果不理想，且需要用戶交互的問題，提出一種基于GrabCut的改進(jìn)分割算法。首先，運(yùn)用圖像增強(qiáng)，對(duì)特征不明顯的圖像進(jìn)行改善，提高圖像質(zhì)量；然后，利用YOLOv4網(wǎng)絡(luò)對(duì)圖像進(jìn)行目標(biāo)檢測，獲取前景目標(biāo)所在矩形框位置，從而減少用戶操作；其次，在高斯混合模型(GMM)中加入圖像像素的位置信息和局部二值模式算子(LBP)提取的像素紋理特征信息，優(yōu)化高斯混合模型參數(shù)，改進(jìn)GrabCut算法，實(shí)現(xiàn)圖像優(yōu)化分割；最后，將分割圖像掩膜與原始圖像結(jié)合，得到原始圖像。實(shí)驗(yàn)結(jié)果表明，對(duì)特征不明顯、紋理信息復(fù)雜的圖像，該算法分割效果更優(yōu)。

發(fā)表于：10/19/2021 2:21:21 PM