99久久ER热在这里只有精品9,久久久亚洲美女高潮久久久,啦啦啦www在线观看免费观看

基于深度學(xué)習(xí)的可視化圖表分類方法研究[模擬設(shè)計][工業(yè)自動化]

可視化圖表的分類研究對于圖表理解和文檔解析具有很大的意義。分別通過爬蟲和軟件生成的方式，構(gòu)建了兩個包含16類常見圖表的數(shù)據(jù)集，該數(shù)據(jù)集在數(shù)量、類型和樣式豐富性上具有一定的優(yōu)勢。在3個數(shù)據(jù)集上實驗對比了Transformer架構(gòu)和卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)的模型，結(jié)果表明Transformer架構(gòu)在圖表分類任務(wù)上具有一定優(yōu)勢?；赟win Transformer模型，設(shè)計了多種數(shù)據(jù)增強策略，在增加模型泛化性的同時也引入了分布差異；通過對不同策略訓(xùn)練出的模型預(yù)測進行均值融合，同單模型相比分類性能有較大提升。在6個測試集上對集成模型進行了測試，分類準確率均大于0.9；對于圖像質(zhì)量高、視覺形式簡單的生成圖表，模型分類準確率接近1。

發(fā)表于：5/27/2024 3:28:20 PM

一起DCS網(wǎng)絡(luò)異常事件分析研究[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

某火力發(fā)電廠發(fā)生了一起因DCS網(wǎng)絡(luò)故障引起控制器全部重啟，從而導(dǎo)致發(fā)電機組非計劃停運的異常事件。對現(xiàn)場事件處置與排查思路進行了復(fù)盤，通過模擬測試、日志分析、現(xiàn)場檢查等方法，定位了導(dǎo)致網(wǎng)絡(luò)異常的原因是匯聚交換機與一處接入交換機之間光纖的單向鏈路故障。對光纖單向鏈路故障引起DCS網(wǎng)絡(luò)短時網(wǎng)絡(luò)風(fēng)暴的過程進行了詳細分析。該網(wǎng)絡(luò)故障可為具有類似網(wǎng)絡(luò)架構(gòu)DCS系統(tǒng)的日常運行維護及事故防范提供借鑒。

發(fā)表于：5/27/2024 3:28:17 PM

基于Modbus協(xié)議的濕度檢定系統(tǒng)設(shè)計[測試測量][工業(yè)自動化]

為了提高濕度計量的工作效率和數(shù)字化安全管理水平，設(shè)計了一種基于Modbus協(xié)議的濕度檢定系統(tǒng)。該系統(tǒng)依托Modbus RTU協(xié)議模式、精密露點儀數(shù)據(jù)格式和Agilent34401A數(shù)字萬用表可編程儀器的標(biāo)準命令協(xié)議，實現(xiàn)了濕度發(fā)生器自動控制，提高了檢定效率和數(shù)據(jù)安全性。濕度檢定系統(tǒng)檢定結(jié)果的擴展不確定度為1.3%。采用測量儀器特性評定和傳遞比較法對系統(tǒng)測量結(jié)果進行驗證，測量結(jié)果均驗證通過，表明系統(tǒng)可進行業(yè)務(wù)化應(yīng)用。

發(fā)表于：5/27/2024 3:28:14 PM

三種石英晶體諧振器頻率測試方法對比分析研究[測試測量][工業(yè)自動化]

測試石英晶體諧振器頻率的傳統(tǒng)方法有間接計算法、信號源起振法和網(wǎng)絡(luò)分析儀法，三種方法各有大的缺陷。根據(jù)石英晶體諧振器頻率的特點，提出三種新的測試方法：示波器測試法、頻率計測試法和頻譜儀測試法。這三種方法在基本測試原理、設(shè)備配置要求、測試精度和適用環(huán)境等方面存在差異。對三種方法的優(yōu)缺點進行了詳細比較，并針對不同應(yīng)用條件提出了選用建議：如果只單純測量石英晶體諧振器頻率，選用頻譜儀測試法；如果需要測量頻率的同時還需要知道頻率的特性等內(nèi)容，宜選用頻率計測試法；示波器測試法則可用在對石英晶體諧振器頻率定性的粗測。此外，還根據(jù)各自的優(yōu)勢探討了儀器協(xié)作測試的可能性。

發(fā)表于：5/27/2024 3:28:13 PM

基于Innovus改善芯片繞線資源的電源網(wǎng)絡(luò)布線方法[模擬設(shè)計][工業(yè)自動化]

隨著集成電路的集成度越來越高，芯片的面積越來越小，芯片內(nèi)單元密度會隨之增加，這將為芯片的后端物理設(shè)計帶來諸多的挑戰(zhàn)。其中芯片面積的減小直接影響布線資源，導(dǎo)致布線擁塞，以此造成芯片線路無法繞通以及時序和串?dāng)_的問題。提出了一種改進的電源網(wǎng)絡(luò)的布線方法，極大提升了信號線的走線空間利用率，有效解決了高集成度芯片的短路問題。

發(fā)表于：5/27/2024 3:28:10 PM

一種低峰均功率比的數(shù)字梳狀譜模塊設(shè)計[嵌入式技術(shù)][工業(yè)自動化]

為了提高多通道接收機的通道間誤差校準效率，設(shè)計并實現(xiàn)了一種低峰均功率比的數(shù)字梳狀譜校準源模塊。該模塊基于FPGA+DAC的硬件結(jié)構(gòu)，采用軟件DDS原理方式來產(chǎn)生梳狀譜信號。為了降低梳狀譜信號的峰均功率比，利用遺傳算法對信號的各個子載波的初始相位進行了優(yōu)化，計算出一組優(yōu)于代數(shù)次優(yōu)解的初始相位組合，將峰均功率比從次優(yōu)解的4.98 dB降低到了3.98 dB，同時提高了梳狀譜信號的子載波功率和帶外雜散抑制，優(yōu)化了梳狀譜模塊的信號質(zhì)量。該模塊在梳狀譜信號輸出范圍170 MHz~230 MHz，頻譜間隔1 MHz情況下，子載波功率為-35.5 dBm，帶外雜散抑制為64 dBc，完全滿足校準源指標(biāo)要求。

發(fā)表于：5/27/2024 3:28:08 PM

基于ADS的微系統(tǒng)電源完整性仿真及優(yōu)化[電源技術(shù)][工業(yè)自動化]

隨著芯片制造技術(shù)和封裝技術(shù)的發(fā)展，電子產(chǎn)品內(nèi)部的器件集成度和信號速度在持續(xù)提高，微系統(tǒng)成為一種新興的形式，這導(dǎo)致了對電源完整性的要求不斷提高。不合理的電源完整性設(shè)計將會給電源質(zhì)量和信號質(zhì)量帶來極大的干擾，甚至?xí)瓜到y(tǒng)崩潰。針對所設(shè)計的多芯片微系統(tǒng)設(shè)計進行了電源完整性的仿真，并利用基板、PCB去耦電容網(wǎng)絡(luò)協(xié)同去耦的方式對電源分配網(wǎng)絡(luò)阻抗進行了優(yōu)化，解決了微系統(tǒng)內(nèi)部的空間有限與去耦電容需求量大的矛盾，保證了微系統(tǒng)的電源完整性。

發(fā)表于：5/27/2024 3:28:06 PM

基于FPGA的視頻圖像去霧算法的優(yōu)化與實現(xiàn)[嵌入式技術(shù)][工業(yè)自動化]

在惡劣天氣條件下采集的圖像存在對比度差、清晰度下降等問題。圖像質(zhì)量的惡化制約著計算機視覺的準確性和自動化任務(wù)的效率。給出了一種基于限制對比度自適應(yīng)直方圖均衡（Contrast Limited Adaptive Histogram Equalization， CLAHE）與改進多尺度Retinex （Multi-Scale retinex，MSR）的圖像去霧算法。該算法將輸入的含霧降質(zhì)圖像先經(jīng)過CLAHE算法處理，再用MSR算法處理，對圖像MSR算法處理時，引入Gamma校正因子估計入射光，并對算法中的環(huán)繞函數(shù)進行優(yōu)化。結(jié)果表明，所提出算法處理后的圖像相比原圖，圖像的信息熵、平均梯度和標(biāo)準差等方面均有提升；并設(shè)計硬件電路，成功在FPGA上演示了視頻實時去霧，提高了視頻圖像去霧的實時性。對板級資源與功能消耗進行了數(shù)字化的分析，證明所設(shè)計硬件系統(tǒng)屬于低功耗范疇。

發(fā)表于：5/27/2024 3:28:00 PM

應(yīng)用于收發(fā)鏈路多模塊級聯(lián)的優(yōu)化設(shè)計方法[微波|射頻][通信網(wǎng)絡(luò)]

為解決波束賦形芯片中子電路模塊由于寄生效應(yīng)而導(dǎo)致的級聯(lián)失配問題提出了一種優(yōu)化設(shè)計方法。該設(shè)計方法通過主動引入相鄰器件阻抗?fàn)恳?yīng)，并使其與級聯(lián)阻抗失配相抵消從而實現(xiàn)阻抗“預(yù)失配”的設(shè)計方案。對“預(yù)失配”的技術(shù)原理以及設(shè)計流程進行了簡要分析，并通過加工一款采用優(yōu)化設(shè)計方案的4通道X/Ku波段的射頻收發(fā)芯片，驗證了該設(shè)計方案的可實現(xiàn)性與有效性。在8 GHz~18 GHz頻帶范圍內(nèi)，該芯片與基于端口駐波設(shè)計體系的原芯片相比，收發(fā)鏈路增益分別為6.5 dB和14 dB，提升了超過2 dB。發(fā)射鏈路輸出功率21 dBm，發(fā)射效率為15.7%，分別提升了1 dB和9%。接收鏈路噪聲系數(shù)為8.72 dB，降低了1.2 dB。收發(fā)鏈路最大移相均方根誤差為5.12°和5.25°，分別下降了3.17°和1.75°。

發(fā)表于：5/27/2024 3:28:00 PM

一種改進的基于Mask R-CNN的玉米大斑病實例分割算法[人工智能][其他]

玉米作為我國主糧作物，其生產(chǎn)常受大斑病、小斑病、銹病等病害及蟲害影響，導(dǎo)致其產(chǎn)量與品質(zhì)下降，威脅農(nóng)業(yè)生產(chǎn)安全。近年來，視覺檢測技術(shù)因其高準確性已成為病害防控的重要工具。以Mask R-CNN為基礎(chǔ)框架，通過融入DyHead、Groie和OHEM模塊進行優(yōu)化，旨在提升對細微病灶圖像的分割效能。改良后的模型在病害圖像分割任務(wù)上展現(xiàn)出卓越性能，平均精度（mAP）提升4%，尤其在小目標(biāo)分割上準確率提高8.5%，相較于YOLOv5、YOLACT++等同類模型優(yōu)勢顯著。通過消融實驗驗證了各新增模塊的有效性，證實該模型為精準檢測玉米大斑病提供了有力的技術(shù)支持與理論依據(jù)。

發(fā)表于：5/27/2024 3:28:00 PM