针对传统LED灯杆在远程监控、自动巡检、实时单灯调控、故障定位处理等方面存在的问题,本文提出基于窄带物联网(narrow band internet of things,NB-IoT)技术的智能LED灯杆监控系统的研制方案,采用STM32L151单片机作为主控芯片,控制多...针对传统LED灯杆在远程监控、自动巡检、实时单灯调控、故障定位处理等方面存在的问题,本文提出基于窄带物联网(narrow band internet of things,NB-IoT)技术的智能LED灯杆监控系统的研制方案,采用STM32L151单片机作为主控芯片,控制多种传感器采集路灯信息,通过NB-IoT模块与核心网的连接,将采集到的路灯信息上传至OneNET云平台,并开发移动端应用程序(application,APP)和个人计算机(personal computer,PC)端监测界面以实现路灯故障信息的实时获取。实验结果显示:所研制的系统可以实时监测、控制路灯,快速、准确地确定故障路灯位置,实现单灯控制。展开更多
文摘番茄是中国重要的经济作物之一,为解决番茄叶片病害在多类别、小目标、不同环境状况下检测精度不高的问题,研究提出ADD-YOLOv10n目标检测模型。首先对YOLOv10n主干网络进行改进,将可变核卷积(alterable kernel convolution,AKConv)融入主干网络,替换掉第二层的Conv,突破传统卷积局限于固定窗口和固定采样形状的限制。在主干末尾加入DAttention注意力机制,添加可变形注意力和动态采样点,动态选择、重点识别番茄叶片病害集中的区域。最后将最邻近上采样算子优化为DySample算子,不增加额外大量的计算量和参数,降低计算复杂度。经过对比实验,可以看到ADD-YOLOv10n模型的平均精度均值(mean average precision,mAP)达到71.8%,比YOLOv10n原模型高2.4%,准确率(precision,P)、召回率(recall,R)和F1分数分别为71.9%、68.3%和70.1%,比YOLOv10n原模型分别高2.4%、4.4%和3.5%,并且参数数量、模型大小和计算复杂度都有所下降。研究改进的ADD-YOLOv10n模型,能够更好地满足实际农业生产中对番茄叶片病害的实时精准检测,也为后续的智能浇灌、病害修复等农业自动化操作提供技术支持。
文摘针对传统LED灯杆在远程监控、自动巡检、实时单灯调控、故障定位处理等方面存在的问题,本文提出基于窄带物联网(narrow band internet of things,NB-IoT)技术的智能LED灯杆监控系统的研制方案,采用STM32L151单片机作为主控芯片,控制多种传感器采集路灯信息,通过NB-IoT模块与核心网的连接,将采集到的路灯信息上传至OneNET云平台,并开发移动端应用程序(application,APP)和个人计算机(personal computer,PC)端监测界面以实现路灯故障信息的实时获取。实验结果显示:所研制的系统可以实时监测、控制路灯,快速、准确地确定故障路灯位置,实现单灯控制。
