基于人工智能的罐车装料口视觉跟踪系统研究
发布时间：2022-01-02 12:20
随着工业技术的进步和经济的发展,对粉粒物料运输车的高效运作能力提出了更高的要求。在装载粉粒干燥物料时,必须保证罐车的装料口和料仓口完全对准,才能实现高效的罐车装料。目前工程现场多采用人工指挥对接的方式,该方式存在操作复杂、对接效率较低、可靠性差、智能化程度低等缺陷,不能很好地满足现代粉粒物料运输车高效率的装料需求。如何实现罐车装料过程中对料口的检测跟踪,已成为相关行业的当务之急。为解决传统罐车装料所存在的问题,本文提出了一种基于人工智能的罐车装料口视觉跟踪系统。通过分析系统需求,设计了系统总体方案。基于ARM构建了以图像处理模块为核心,搭载图像采集模块、存储模块、通信模块和显示模块的嵌入式硬件平台,其中以四核Cortex-A7 CPU架构的H5处理器为核心,设计了图像处理模块;采用具有CSI接口的GC2035 CMOS摄像头模组,完成了图像采集模块的设计;采用eMMC实现了对系统镜像的存储及读取;采用CH340E和RTL8211E分别设计了串口转USB电路及以太网通信电路,实现了通信模块的设计;采用HDMI外接高清显示器作为显示模块。通过编译UBoot、内核和制作根文件系统,构建了嵌入...
【文章来源】：河南科技大学河南省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
粉罐车结构图
图 3-5 H5 处理器系统框图Fig. 3-5 System block diagram of H5 processor 通信模块设计通信模块是连接处理器与 PC 上位机的桥梁，是实现目标跟踪设备与上交互的重要途径，采用串口、以太网、Wi-Fi、USB 等通信方式。其中通过串口通信输入相应的控制命令来操作整个系统，这对嵌入式驱应用程序调试开发有着重要的意义。为使系统可以直接通过 USB 接口进行调试，完成调试过程信息查看等操作。采用 CH340E 高度集成串B 芯片，如图 3-6 所示。其驱动能够仿真标准串口，可完全兼容常用的程序，从而实现对系统的调试等操作。
图 4-1 U-Boot 启动终端打印信息Fig. 4-1 Information of U-Boot initialization printed at the terminal3 Linux 内核编译嵌入式 Linux 操作系统结构如图 4-2 所示。Linux 内核是操作系统的核用程序对硬件资源的访问提供了安全接口，同时简化了应用程序的设计应用程序的可移植性，使开发变得灵活高效[14,19]。嵌入式软件系统根文件系统设备驱动程序
【参考文献】：
期刊论文
[1]基于深度学习的图像描述研究[J]. 杨楠,南琳,张丁一,库涛. 红外与激光工程. 2018(02)
[2]基于深度学习的目标抗干扰跟踪算法[J]. 闵召阳,赵文杰. 红外技术. 2018(02)
[3]基于CNN深度学习模型的交通图像拥堵识别[J]. 崔华,刘云飞,宋鑫鑫,李盼侬. 科技创新与应用. 2018(04)
[4]基于深度学习SSD模型的视频室内人数统计[J]. 郑国书,朱秋煜,王辉. 工业控制计算机. 2017(11)
[5]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮. 红外与激光工程. 2017(05)
[6]TensorFlow平台下的视频目标跟踪深度学习模型设计[J]. 刘帆,刘鹏远,李兵,徐彬彬. 激光与光电子学进展. 2017(09)
[7]深度学习辅助的多行人跟踪算法[J]. 王慧燕,杨宇涛,张政,严国丽,王靖齐,李笑岚,陈卫刚,华璟. 中国图象图形学报. 2017(03)
[8]嵌入式监控系统的运动目标检测与跟踪[J]. 张亚昕. 系统仿真技术. 2017(01)
[9]基于深度特征的目标跟踪算法[J]. 程旭,张毅锋,刘袁,崔锦实,周琳. 东南大学学报(自然科学版). 2017(01)
[10]快速目标跟踪算法及其嵌入式实现[J]. 杨凯杰,田畅,关文君. 军事通信技术. 2016(04)
博士论文
[1]基于计算机视觉的目标检测跟踪及特征分类研究[D]. 杨超宇.中国矿业大学(北京) 2017
硕士论文
[1]基于多摄像头的车辆跟踪系统设计与实现[D]. 魏驰.电子科技大学 2018
[2]基于深度学习的室外车辆跟踪算法研究[D]. 杜省.西安理工大学 2017
[3]基于深度卷积神经网络的飞行器图像识别算法研究[D]. 程嘉晖.浙江大学 2017
[4]运动目标跟踪检测与识别关键算法的研究与实现[D]. 徐文韬.东南大学 2017
[5]基于深度学习的手语识别方法研究[D]. 韩宁江.吉林大学 2017
[6]基于深度学习的视频跟踪技术研究[D]. 覃亦华.华北电力大学(北京) 2017
[7]监控视频中多类目标检测与多目标跟踪算法研究[D]. 周纪强.哈尔滨工业大学 2017
[8]基于计算机视觉和深度学习的自动驾驶方法研究[D]. 白辰甲.哈尔滨工业大学 2017
[9]基于嵌入式的目标跟踪系统的设计与实现[D]. 王飞.贵州大学 2017
[10]基于嵌入式的运动目标跟踪系统研究与设计[D]. 王晓.山东科技大学 2017
本文编号：3564168
【文章来源】：河南科技大学河南省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
粉罐车结构图
图 3-5 H5 处理器系统框图Fig. 3-5 System block diagram of H5 processor 通信模块设计通信模块是连接处理器与 PC 上位机的桥梁，是实现目标跟踪设备与上交互的重要途径，采用串口、以太网、Wi-Fi、USB 等通信方式。其中通过串口通信输入相应的控制命令来操作整个系统，这对嵌入式驱应用程序调试开发有着重要的意义。为使系统可以直接通过 USB 接口进行调试，完成调试过程信息查看等操作。采用 CH340E 高度集成串B 芯片，如图 3-6 所示。其驱动能够仿真标准串口，可完全兼容常用的程序，从而实现对系统的调试等操作。
图 4-1 U-Boot 启动终端打印信息Fig. 4-1 Information of U-Boot initialization printed at the terminal3 Linux 内核编译嵌入式 Linux 操作系统结构如图 4-2 所示。Linux 内核是操作系统的核用程序对硬件资源的访问提供了安全接口，同时简化了应用程序的设计应用程序的可移植性，使开发变得灵活高效[14,19]。嵌入式软件系统根文件系统设备驱动程序
【参考文献】：
期刊论文
[1]基于深度学习的图像描述研究[J]. 杨楠,南琳,张丁一,库涛. 红外与激光工程. 2018(02)
[2]基于深度学习的目标抗干扰跟踪算法[J]. 闵召阳,赵文杰. 红外技术. 2018(02)
[3]基于CNN深度学习模型的交通图像拥堵识别[J]. 崔华,刘云飞,宋鑫鑫,李盼侬. 科技创新与应用. 2018(04)
[4]基于深度学习SSD模型的视频室内人数统计[J]. 郑国书,朱秋煜,王辉. 工业控制计算机. 2017(11)
[5]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮. 红外与激光工程. 2017(05)
[6]TensorFlow平台下的视频目标跟踪深度学习模型设计[J]. 刘帆,刘鹏远,李兵,徐彬彬. 激光与光电子学进展. 2017(09)
[7]深度学习辅助的多行人跟踪算法[J]. 王慧燕,杨宇涛,张政,严国丽,王靖齐,李笑岚,陈卫刚,华璟. 中国图象图形学报. 2017(03)
[8]嵌入式监控系统的运动目标检测与跟踪[J]. 张亚昕. 系统仿真技术. 2017(01)
[9]基于深度特征的目标跟踪算法[J]. 程旭,张毅锋,刘袁,崔锦实,周琳. 东南大学学报(自然科学版). 2017(01)
[10]快速目标跟踪算法及其嵌入式实现[J]. 杨凯杰,田畅,关文君. 军事通信技术. 2016(04)
博士论文
[1]基于计算机视觉的目标检测跟踪及特征分类研究[D]. 杨超宇.中国矿业大学(北京) 2017
硕士论文
[1]基于多摄像头的车辆跟踪系统设计与实现[D]. 魏驰.电子科技大学 2018
[2]基于深度学习的室外车辆跟踪算法研究[D]. 杜省.西安理工大学 2017
[3]基于深度卷积神经网络的飞行器图像识别算法研究[D]. 程嘉晖.浙江大学 2017
[4]运动目标跟踪检测与识别关键算法的研究与实现[D]. 徐文韬.东南大学 2017
[5]基于深度学习的手语识别方法研究[D]. 韩宁江.吉林大学 2017
[6]基于深度学习的视频跟踪技术研究[D]. 覃亦华.华北电力大学(北京) 2017
[7]监控视频中多类目标检测与多目标跟踪算法研究[D]. 周纪强.哈尔滨工业大学 2017
[8]基于计算机视觉和深度学习的自动驾驶方法研究[D]. 白辰甲.哈尔滨工业大学 2017
[9]基于嵌入式的目标跟踪系统的设计与实现[D]. 王飞.贵州大学 2017
[10]基于嵌入式的运动目标跟踪系统研究与设计[D]. 王晓.山东科技大学 2017
本文编号：3564168
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/3564168.html
