【摘 要】
：
随着商品物流的增加,特别是对外贸易的加大,在物流和仓储过程中,物体由于倒置或倾斜而引起的严重损坏增多。一些敏感的物体包装上特别标有物品需向上放置的标识,一旦运输过程中发生倾斜,轻则导致经济损失,重则发生危险。如家用电器,医疗设施,化学试剂等。此外,在图书馆中,书籍也会被垂直放置以便查阅。RFID（Radio Frequency Identification,射频识别技术）的兴起和不断完善给进一步提
论文部分内容阅读
随着商品物流的增加,特别是对外贸易的加大,在物流和仓储过程中,物体由于倒置或倾斜而引起的严重损坏增多。一些敏感的物体包装上特别标有物品需向上放置的标识,一旦运输过程中发生倾斜,轻则导致经济损失,重则发生危险。如家用电器,医疗设施,化学试剂等。此外,在图书馆中,书籍也会被垂直放置以便查阅。RFID（Radio Frequency Identification,射频识别技术）的兴起和不断完善给进一步提升倾斜物体的检测带来了契机,RFID具有许多优势,例如,无需在视线范围内,并且标签无需电池即可进行长期检测。因此,本文提出了一种基于RFID的解决方案来检测标记对象是否被倾斜。现有的针对物体倾斜检测的解决方案有两个主要局限性:（1）要求RFID阅读器和带标签的物体都应是静态的;（2）只能处理倾斜的情况,但当物体倾斜小于180°时会失败。为了克服这些限制,本文提出了一种基于RFID的检测方法,我们称它为倾斜物体移动检测（Mobile Detection of Oblique objects,MDO）。在MDO中,带标签的对象相对于RFID阅读器天线以恒定的速度沿直线相对移动,例如,RFID阅读器天线固定且对象在传送带上移动。MDO比较收集到的相位曲线,以确定所检测的对象是否倾斜。我们使用现成的商用（COTS）RFID设备来实现MDO方法。大量的实验结果表明,在各种条件下,MDO的检测精度可以达到85%左右。
其他文献
现代工业中,复杂环境下的小尺寸零件的缺陷检测日益受到人们的关注,内窥镜检测作为无损检测的一个分支,可以在复杂环境下对人眼不能直接观察到的地方进行检测,在工程建筑、汽车检修、机械检修等方面均得到广泛使用。本文设计并实现了一款用于小孔径管道零件内壁检测的工业内窥镜系统,具体工作内容如下:1、分析国内外内窥镜的发展现状,确定小型工业内窥镜的设计以硬管式内窥镜为基础,使用CMOS图像传感器代替传统目镜,让
图像语义分割是指根据语义信息,对图像中每个像素点进行分类标注的技术。它是一个计算机视觉领域的基础研究课题,它对于场景理解和环境感知具有重要的意义。然而,语义分割模型的训练需要大量可靠有效的数据集,并且语义分割图像逐像素标注需要耗费大量的时间和人力。为了解决有效数据集不足和样本标注耗时耗力的问题,本文利用主动学习算法从未标注数据集中选择更有意义的样本进行标注,构造可靠有效的数据集。为了更好的实现语义
近些年来,信息作为一种重要的战略资源在新一轮信息化革命和国际竞争中的地位和作用越来越重要。但是,随之而来的信息安全问题也日益凸显。公钥密码作为广泛应用的密码体制之一,其安全性已经成为工业界和学术界研究的重点。对已有加密算法的攻击,可以帮助我们分析算法的安全性,了解已有加密算法缺陷,采取防护措施。本文针对盲化后的密码算法提出了一种水平侧信道攻击,该方法基于聚类算法,仅用单一曲线进行密钥恢复。然而单一
显微CT（Micro-Computed Tomography,Micro-CT）以其无损检测、高分辨成像、微米级测量等优点被广泛应用于微电子、材料化学、石油地质等研究领域。在显微CT进行尺寸测量时,重建图像的质量、体素大小与数量的准确是保证有效测量结果的关键。理想的系统几何位姿是显微CT成像的基础,然而仪器设备的安装定位几何参数可能存在偏差,导致重建图像质量下降。同时,显微CT系统主要硬件位于铅制
光谱成像技术能够同时获取在体组织的结构与谱域信息,具有分辨率高、成像范围广以及信息丰富等优势,在生物医学领域应用广泛。在在体组织检测及成像中,结构紧凑、成像速度快、低成本的成像系统是扩展光谱成像技术应用的关键。本文搭建了基于窄带滤光片以及光谱重构方法的多光谱成像系统,并通过蒙特卡洛模拟、仿体实验以及在体组织实验对其可行性和有效性进行了综合研究。首先,介绍了多光谱成像技术的成像原理,选取特定的窄带滤
畜禽废水已成为农村一个主要的面源污染来源,针对这种污染现状,近年来出现了许多废水处理方法。在概括分析了畜禽废水的研究现状后,提出了人工湿地处理技术。通过对人工湿地研究现状的综述,阐述了人工湿地在净化污染物方面的研究进展。并通过对人工湿地在畜禽养殖废水处理中应用的介绍,分析了人工湿地存在的优势和问题,提出了人工湿地在畜禽养殖废水处理中具有广阔的应用前景。
在计算机视觉领域,语义分割是一项十分基本和重要的任务。随着计算机硬件性能,尤其是GPU用于数值计算技术的不断进步,深度学习得以不断发展。全卷积神经网络的出现,使得基于深度学习的语义分割方法取得快速地发展,然而基于视频数据的分割方法获得了较少的关注。视频数据相比于图片数据,多了一维时间序列信息,如何更有效地利用该信息对科研人员提出了挑战。另外,对于智能决策系统来讲,预测未来的能力对于决策来讲具有现实
多层次时间序列指的是由加和关系限制的一组时间序列。多层次预测被广泛应用在电力需求预测、旅游业数量预测以及商业税收预测等统计学、经济学领域。现有的多层次预测方法通常基于一种“两步法”策略。首先,对层次结构中所有的时间序列单独进行预测,然后,采用不同的调和预测算法使其满足加和一致性的限制条件。然而,“两步法”不仅计算复杂度高,而且无法确保所有时间序列的预测是整体最优的。为了解决上述问题,本文从多任务学
随着深度学习技术的不断发展,计算机视觉领域与自然语言处理领域相结合的相关任务研究逐渐成为计算机领域中的一个研究热点。虽然之前已经有相关的研究,如图像语义描述生成以及视觉问答任务,但是这两个任务都只能通过单次交互帮助人类对图像中的信息有基础的了解,而现实生活中对图像中内容的理解是一个循序渐进的过程,即需要通过多次交互对图像中部分内容进行理解,进而通过不断累积最后实现对图像中全部内容的理解。因此,为了
视频问答是多媒体领域和计算机视觉领域中的热门研究课题。该任务要求模型能够根据视频内容和自然语言问题生成答案。这是一个多模态任务,需要问答模型同时对视觉信息和语义信息进行认知和理解,并且融合两个模态的信息进行推断。近年来一些学者开始关注更为复杂的视频问答任务及方法。其一是视频问答中的多步推理,即问答模型能够对包含多重逻辑运算操作如数学运算和属性比较的问题进行解答。其二是将视频问答与视觉定位两个多模态