基于AIoT的智能垃圾分类系统研究

这是一篇关于AIoT,垃圾分类,GhostNetV2,NB-IoT技术,监控管理的论文, 主要内容为针对目前垃圾分类系统存在着分类标准不统一、分类效果差、分类成本高、管理困难等问题,本文首先对垃圾分类算法进行了改进,再将其部署到低成本的嵌入式AI分析单元K210中,然后将AI分析单元与NB-Io T架构融合,并结合Web端的垃圾回收装置监控管理系统,最后形成了一套基于AIo T的智能垃圾分类系统。下面是本文所做的主要工作:(1)针对目前垃圾分类算法的内存占用大,无法部署到低算力嵌入式硬件设备上的问题,本文改进了轻量级算法Ghost Net V2。首先提出了应用于CPU设备和GPU设备的C-Ghost Net V2和的G-Ghost Net V2算法;其次提出了一种改进的逆残差思想,并设计了改进的逆残差结构Inverst block;然后通过引入改进逆残差思想和嵌套逆残差结构,对C-Ghost Net V2和G-Ghost Net V2算法进行改进,提出了C-Ghost Net V2-L1和G-Ghost Net V2-L1算法;最后在垃圾分类数据集上进行消融实验。实验证明引入了逆残差的思想和结构,模型的参数量缩小十倍,准确率有所提升,模型延迟缩小一半,验证了逆残差和改进算法的有效性。(2)为了继续提升算法的性能,在改进算法的基础上引入了通道混洗操作,并设计了C-Ghost Net V2-L2和G-Ghost Net V2-L2算法。经过实验验证,加入通道混洗操作后,模型参数量和内存基本不变,但模型的准确率有所提升。接着为了进一步验证改进模型在实际应用中的效果,需要将改进模型部署在低成本AI分析单元K210上。首先对改进模型进行8bit量化,量化后的模型缩小10倍,最小的模型缩减到2MB以下,已经可以达到K210的内存要求,然后通过格式转换和模型移植操作,最终成功将改进模型部署在K210上。(3)由于目前的垃圾回收装置存在多种分类标准,例如二分类、三分类、四分类等等。为了统一管理多种分类标准的垃圾回收装置,本文使用NB-Io T技术组网,并将AI分析单元融入NB-Io T架构的终端,形成AIo T的垃圾分类系统;为了完善系统功能,在终端使用各种传感器采集垃圾回收装置内的环境信息,并通过NB-Io T网络上传云平台;为了提升用户的使用体验,通过Spring Boot和Vue框架搭建了垃圾回收装置监控管理系统,并设计系统数据库。监控管理系统获取云平台接收的环境信息,将其存储在数据库中,并显示在Web网页上。(4)为了验证系统的有效性和稳定性,搭建了系统硬件测试平台,首先测试了NB-Io T模块的无线通信功能,然后测试了改进算法在嵌入式AI分析单元K210上的垃圾分类功能,并得出结论C-Ghost Net V2-L2算法在AI分析单元K210上的分类效果优于G-Ghost Net V2-L2算法,最后验证了One NET云平台接入功能以及监控管理系统功能。

基于AIoT的智能垃圾分类系统研究

这是一篇关于AIoT,垃圾分类,GhostNetV2,NB-IoT技术,监控管理的论文, 主要内容为针对目前垃圾分类系统存在着分类标准不统一、分类效果差、分类成本高、管理困难等问题,本文首先对垃圾分类算法进行了改进,再将其部署到低成本的嵌入式AI分析单元K210中,然后将AI分析单元与NB-Io T架构融合,并结合Web端的垃圾回收装置监控管理系统,最后形成了一套基于AIo T的智能垃圾分类系统。下面是本文所做的主要工作:(1)针对目前垃圾分类算法的内存占用大,无法部署到低算力嵌入式硬件设备上的问题,本文改进了轻量级算法Ghost Net V2。首先提出了应用于CPU设备和GPU设备的C-Ghost Net V2和的G-Ghost Net V2算法;其次提出了一种改进的逆残差思想,并设计了改进的逆残差结构Inverst block;然后通过引入改进逆残差思想和嵌套逆残差结构,对C-Ghost Net V2和G-Ghost Net V2算法进行改进,提出了C-Ghost Net V2-L1和G-Ghost Net V2-L1算法;最后在垃圾分类数据集上进行消融实验。实验证明引入了逆残差的思想和结构,模型的参数量缩小十倍,准确率有所提升,模型延迟缩小一半,验证了逆残差和改进算法的有效性。(2)为了继续提升算法的性能,在改进算法的基础上引入了通道混洗操作,并设计了C-Ghost Net V2-L2和G-Ghost Net V2-L2算法。经过实验验证,加入通道混洗操作后,模型参数量和内存基本不变,但模型的准确率有所提升。接着为了进一步验证改进模型在实际应用中的效果,需要将改进模型部署在低成本AI分析单元K210上。首先对改进模型进行8bit量化,量化后的模型缩小10倍,最小的模型缩减到2MB以下,已经可以达到K210的内存要求,然后通过格式转换和模型移植操作,最终成功将改进模型部署在K210上。(3)由于目前的垃圾回收装置存在多种分类标准,例如二分类、三分类、四分类等等。为了统一管理多种分类标准的垃圾回收装置,本文使用NB-Io T技术组网,并将AI分析单元融入NB-Io T架构的终端,形成AIo T的垃圾分类系统;为了完善系统功能,在终端使用各种传感器采集垃圾回收装置内的环境信息,并通过NB-Io T网络上传云平台;为了提升用户的使用体验,通过Spring Boot和Vue框架搭建了垃圾回收装置监控管理系统,并设计系统数据库。监控管理系统获取云平台接收的环境信息,将其存储在数据库中,并显示在Web网页上。(4)为了验证系统的有效性和稳定性,搭建了系统硬件测试平台,首先测试了NB-Io T模块的无线通信功能,然后测试了改进算法在嵌入式AI分析单元K210上的垃圾分类功能,并得出结论C-Ghost Net V2-L2算法在AI分析单元K210上的分类效果优于G-Ghost Net V2-L2算法,最后验证了One NET云平台接入功能以及监控管理系统功能。

基于AIoT的智能垃圾分类系统研究

这是一篇关于AIoT,垃圾分类,GhostNetV2,NB-IoT技术,监控管理的论文, 主要内容为针对目前垃圾分类系统存在着分类标准不统一、分类效果差、分类成本高、管理困难等问题,本文首先对垃圾分类算法进行了改进,再将其部署到低成本的嵌入式AI分析单元K210中,然后将AI分析单元与NB-Io T架构融合,并结合Web端的垃圾回收装置监控管理系统,最后形成了一套基于AIo T的智能垃圾分类系统。下面是本文所做的主要工作:(1)针对目前垃圾分类算法的内存占用大,无法部署到低算力嵌入式硬件设备上的问题,本文改进了轻量级算法Ghost Net V2。首先提出了应用于CPU设备和GPU设备的C-Ghost Net V2和的G-Ghost Net V2算法;其次提出了一种改进的逆残差思想,并设计了改进的逆残差结构Inverst block;然后通过引入改进逆残差思想和嵌套逆残差结构,对C-Ghost Net V2和G-Ghost Net V2算法进行改进,提出了C-Ghost Net V2-L1和G-Ghost Net V2-L1算法;最后在垃圾分类数据集上进行消融实验。实验证明引入了逆残差的思想和结构,模型的参数量缩小十倍,准确率有所提升,模型延迟缩小一半,验证了逆残差和改进算法的有效性。(2)为了继续提升算法的性能,在改进算法的基础上引入了通道混洗操作,并设计了C-Ghost Net V2-L2和G-Ghost Net V2-L2算法。经过实验验证,加入通道混洗操作后,模型参数量和内存基本不变,但模型的准确率有所提升。接着为了进一步验证改进模型在实际应用中的效果,需要将改进模型部署在低成本AI分析单元K210上。首先对改进模型进行8bit量化,量化后的模型缩小10倍,最小的模型缩减到2MB以下,已经可以达到K210的内存要求,然后通过格式转换和模型移植操作,最终成功将改进模型部署在K210上。(3)由于目前的垃圾回收装置存在多种分类标准,例如二分类、三分类、四分类等等。为了统一管理多种分类标准的垃圾回收装置,本文使用NB-Io T技术组网,并将AI分析单元融入NB-Io T架构的终端,形成AIo T的垃圾分类系统;为了完善系统功能,在终端使用各种传感器采集垃圾回收装置内的环境信息,并通过NB-Io T网络上传云平台;为了提升用户的使用体验,通过Spring Boot和Vue框架搭建了垃圾回收装置监控管理系统,并设计系统数据库。监控管理系统获取云平台接收的环境信息,将其存储在数据库中,并显示在Web网页上。(4)为了验证系统的有效性和稳定性,搭建了系统硬件测试平台,首先测试了NB-Io T模块的无线通信功能,然后测试了改进算法在嵌入式AI分析单元K210上的垃圾分类功能,并得出结论C-Ghost Net V2-L2算法在AI分析单元K210上的分类效果优于G-Ghost Net V2-L2算法,最后验证了One NET云平台接入功能以及监控管理系统功能。

基于NB-IoT的电动汽车充电桩系统研究

这是一篇关于充电桩,电动汽车,NB-IoT技术,监控管理系统,交流充电的论文, 主要内容为电动汽车充电桩作为新能源汽车的基础供电设施,其建设速度近几年得到了较大的提升,但相比电动汽车产量的高速度增长,充电桩的发展仍较为迟缓。充电桩发展滞后造成的电动汽车充电难,已成为制约电动汽车发展的重要因素;同时,从充电桩信息化管理角度来说,已建成的充电桩也存在网络接入方式单一、管理不完善、运营成本高、网络通信不安全等问题。基于此,本文以电动汽车充电桩为研究对象,结合嵌入式技术和NB-IoT技术实现了一种运行可靠、安全的电动汽车充电桩系统,在确保充电桩运行稳定、网络通信畅通、管理人员的工作强度减少、充电桩的运营成本得以降低等方面具有十分重要的意义。本文对充电桩及新型移动互联技术的国内外研究现状进行简单概述,主要从功能需求、现有技术等方面做出了分析,根据已有研究成果明确研究方向;在分析NB-IoT技术的基础上,给出了NB-IoT的网络架构;依据系统的功能需求和性能指标,结合电动汽车充电桩的工作原理,规划了电动汽车充电桩系统的总体架构。在上述研究的基础上,设计了充电桩系统的硬件系统,对充电桩主控制器、控制导引电路、充电桩主电路、电能计量单元、人机交互终端、NB通信网络、安全防护电路环节等进行设计实现。然后从充电桩系统软件出发,对充电桩系统的软件工作流程进行分析,并引入μC/OS-Ⅲ实时操作系统进行实现,最后将充电桩接入One NET云平台进行数据交互,从而完成充电桩系统整体设计要求。在系统信息化管理上,采用Spring Boot和Vue框架相结合搭建监控管理系统,实现以Java开发Spring Boot框架的服务器模块与基于前端开发Vue.js框架的充电桩监控管理平台,并对One NET云平台进行配置和完成监控管理平台的接入工作,从而实现对电动汽车充电桩系统的智能化管理,为用户使用充电桩充电带来便利。通过搭建电动汽车充电桩系统的模拟测试平台,测试了包括充电桩系统的交流充电功能以及NB模组无线通信功能、云平台接入功能、监控管理系统功能,验证电动汽车充电桩系统的主要功能,测试结果表明本文设计的基于NB-IoT的电动汽车充电桩系统符合设计要求。

基于AIoT的智能垃圾分类系统研究

这是一篇关于AIoT,垃圾分类,GhostNetV2,NB-IoT技术,监控管理的论文, 主要内容为针对目前垃圾分类系统存在着分类标准不统一、分类效果差、分类成本高、管理困难等问题,本文首先对垃圾分类算法进行了改进,再将其部署到低成本的嵌入式AI分析单元K210中,然后将AI分析单元与NB-Io T架构融合,并结合Web端的垃圾回收装置监控管理系统,最后形成了一套基于AIo T的智能垃圾分类系统。下面是本文所做的主要工作:(1)针对目前垃圾分类算法的内存占用大,无法部署到低算力嵌入式硬件设备上的问题,本文改进了轻量级算法Ghost Net V2。首先提出了应用于CPU设备和GPU设备的C-Ghost Net V2和的G-Ghost Net V2算法;其次提出了一种改进的逆残差思想,并设计了改进的逆残差结构Inverst block;然后通过引入改进逆残差思想和嵌套逆残差结构,对C-Ghost Net V2和G-Ghost Net V2算法进行改进,提出了C-Ghost Net V2-L1和G-Ghost Net V2-L1算法;最后在垃圾分类数据集上进行消融实验。实验证明引入了逆残差的思想和结构,模型的参数量缩小十倍,准确率有所提升,模型延迟缩小一半,验证了逆残差和改进算法的有效性。(2)为了继续提升算法的性能,在改进算法的基础上引入了通道混洗操作,并设计了C-Ghost Net V2-L2和G-Ghost Net V2-L2算法。经过实验验证,加入通道混洗操作后,模型参数量和内存基本不变,但模型的准确率有所提升。接着为了进一步验证改进模型在实际应用中的效果,需要将改进模型部署在低成本AI分析单元K210上。首先对改进模型进行8bit量化,量化后的模型缩小10倍,最小的模型缩减到2MB以下,已经可以达到K210的内存要求,然后通过格式转换和模型移植操作,最终成功将改进模型部署在K210上。(3)由于目前的垃圾回收装置存在多种分类标准,例如二分类、三分类、四分类等等。为了统一管理多种分类标准的垃圾回收装置,本文使用NB-Io T技术组网,并将AI分析单元融入NB-Io T架构的终端,形成AIo T的垃圾分类系统;为了完善系统功能,在终端使用各种传感器采集垃圾回收装置内的环境信息,并通过NB-Io T网络上传云平台;为了提升用户的使用体验,通过Spring Boot和Vue框架搭建了垃圾回收装置监控管理系统,并设计系统数据库。监控管理系统获取云平台接收的环境信息,将其存储在数据库中,并显示在Web网页上。(4)为了验证系统的有效性和稳定性,搭建了系统硬件测试平台,首先测试了NB-Io T模块的无线通信功能,然后测试了改进算法在嵌入式AI分析单元K210上的垃圾分类功能,并得出结论C-Ghost Net V2-L2算法在AI分析单元K210上的分类效果优于G-Ghost Net V2-L2算法,最后验证了One NET云平台接入功能以及监控管理系统功能。

基于AIoT的智能垃圾分类系统研究

这是一篇关于AIoT,垃圾分类,GhostNetV2,NB-IoT技术,监控管理的论文, 主要内容为针对目前垃圾分类系统存在着分类标准不统一、分类效果差、分类成本高、管理困难等问题,本文首先对垃圾分类算法进行了改进,再将其部署到低成本的嵌入式AI分析单元K210中,然后将AI分析单元与NB-Io T架构融合,并结合Web端的垃圾回收装置监控管理系统,最后形成了一套基于AIo T的智能垃圾分类系统。下面是本文所做的主要工作:(1)针对目前垃圾分类算法的内存占用大,无法部署到低算力嵌入式硬件设备上的问题,本文改进了轻量级算法Ghost Net V2。首先提出了应用于CPU设备和GPU设备的C-Ghost Net V2和的G-Ghost Net V2算法;其次提出了一种改进的逆残差思想,并设计了改进的逆残差结构Inverst block;然后通过引入改进逆残差思想和嵌套逆残差结构,对C-Ghost Net V2和G-Ghost Net V2算法进行改进,提出了C-Ghost Net V2-L1和G-Ghost Net V2-L1算法;最后在垃圾分类数据集上进行消融实验。实验证明引入了逆残差的思想和结构,模型的参数量缩小十倍,准确率有所提升,模型延迟缩小一半,验证了逆残差和改进算法的有效性。(2)为了继续提升算法的性能,在改进算法的基础上引入了通道混洗操作,并设计了C-Ghost Net V2-L2和G-Ghost Net V2-L2算法。经过实验验证,加入通道混洗操作后,模型参数量和内存基本不变,但模型的准确率有所提升。接着为了进一步验证改进模型在实际应用中的效果,需要将改进模型部署在低成本AI分析单元K210上。首先对改进模型进行8bit量化,量化后的模型缩小10倍,最小的模型缩减到2MB以下,已经可以达到K210的内存要求,然后通过格式转换和模型移植操作,最终成功将改进模型部署在K210上。(3)由于目前的垃圾回收装置存在多种分类标准,例如二分类、三分类、四分类等等。为了统一管理多种分类标准的垃圾回收装置,本文使用NB-Io T技术组网,并将AI分析单元融入NB-Io T架构的终端,形成AIo T的垃圾分类系统;为了完善系统功能,在终端使用各种传感器采集垃圾回收装置内的环境信息,并通过NB-Io T网络上传云平台;为了提升用户的使用体验,通过Spring Boot和Vue框架搭建了垃圾回收装置监控管理系统,并设计系统数据库。监控管理系统获取云平台接收的环境信息,将其存储在数据库中,并显示在Web网页上。(4)为了验证系统的有效性和稳定性,搭建了系统硬件测试平台,首先测试了NB-Io T模块的无线通信功能,然后测试了改进算法在嵌入式AI分析单元K210上的垃圾分类功能,并得出结论C-Ghost Net V2-L2算法在AI分析单元K210上的分类效果优于G-Ghost Net V2-L2算法,最后验证了One NET云平台接入功能以及监控管理系统功能。

基于NB-IoT的小区安防与环境监测系统设计与实现

这是一篇关于NB-IoT技术,安防,环境监测,嵌入式系统,异常报警的论文, 主要内容为随着社会经济的发展和生活水平的提高,人们对居住环境的安全性要求越来越高,对小区环境实施安全监测刻不容缓。传统的小区安防和环境监测系统多采用4G、3G、WLAN等通信技术,但存在功耗较大,通信距离有限、过多占用小区基站资源等缺点。随着通信技术的发展,NB-IoT(窄带物联网)技术由于具备低功耗、广覆盖、大连接等特点可以在小区安防监控得到广泛应用。因此本文设计一种基于NB-IoT的小区安防与环境监测系统,这对提高小区群众生活质量和提升居民幸福指数有着重要的意义。本论文针对当前城市小区内的安防与环境监测问题,结合目前安防与环境监测技术的发展状况,在研究了系统的功能和性能需求分析、整体结构设计和服务器端功能设计之后,采用嵌入式系统开发技术、人脸识别技术、NB-IoT通信技术以及应用程序开发技术等,设计并实现了基于NB-IoT的小区安防与环境监测系统。系统在设计时采用基于S3C6410处理器的人脸识别模块,采取仅上传识别结果的方式来防止业主隐私的泄漏;选用STM32F103处理器和各种环境信息传感器进行硬件设计从而对温湿度、有害气体浓度、PM2.5浓度等进行实时采集,并通过NB-IoT模块进行数据传输;经过云平台的数据转发之后,通过使用SpringBoot+Maven+Eclipse Mars2+MySQL的架构对服务器端进行设计,实现对数据信息的实时接收、显示和异常报警功能;移动手机终端采用基于Android系统进行开发,实现对服务器端的数据信息接收和显示等功能。通过不同时间段、不同的天气状况下对系统进行测试,测试结果显示,安防与环境监测系统能够长时间稳定运行,并能够实现对各项环境参数数据的实时采集与传输。通过对系统采集到的环境信息数据与仪器测量值对比,温湿度数据误差均在3%以内,烟雾浓度和PM2.5浓度数据误差均在5%以内。通过测量系统采集和传输数据的时间,平均响应时间均在2s以内。

基于NB-IoT技术的低温多效海水淡化远程监测控制系统设计与实现

这是一篇关于低温多效海水淡化,NB-IoT技术,远程控制,B/S模式,温控系统的论文, 主要内容为近年来,人口增加速度快,水资源浪费严重,造成个人水资源供应量急剧减少,采用海水淡化技术可从根本上解决水资源短缺问题。低温多效海水淡化技术则是首选海水淡化技术。该技术有操作温度低和海水预处理的要求低等优点,也有系统体积大、环境较恶劣、控制要求高等问题。本论文以“十二五”低温多效蒸馏中试装置为研究背景,结合最新的窄带物联网无线通讯技术和前端网页设计技术,设计一种基于NB-IoT(窄带物联网)技术的低温多效海水淡化远程监测控制系统。本文研究分析了低温多效海水淡化技术,分析该技术的工艺流程和工作特点。了解到该系统的控制过程存在非线性、较复杂、大时滞等特点。针对主体设备温度的这些运行特点,设计复合控制PID算法的控制器,满足对温度的控制精度、快速性等要求。仿真结果表明,该控制器的性能很好,能够满足中试装置的控制要求,实现了温度控制的稳定性和精确性的提高。监控系统设计的第一部分对低温多效中试装置的运行数据信息进行采集并传输,完成一些系统的软硬件设计,依照终端和平台的通信协议,采用无线通信技术,利用NB-IoT技术完成中试装置与监控平台之间的消息互传,实现远程监控的目的。该系统很好地解决了远程集中控制问题,能够快速地、实时地监测海水淡化系统的运行情况,为提高海水淡化设备的产水量有很大的帮助。监控系统第二部分设计基于B/S架构的Web系统。这种系统为用户提供了方便,仅仅只需要一个PC机或者智能移动设备就能对现场了如指掌。监控平台的信息展示采用Browser的形式进行相关信息的展示。由于监控终端数量较大,平台采用MySQL作为存储数据库,实现了数据的传输、监测、方便查询和持久化存储等功能。另外,Web前端网页的设计也采用了HTML+CSS+JavaScript编程技术和一些先进前端框架技术,这样不仅改善了系统的性能,同时也提高了用户体验。通过对完整的远程监测控制系统的作出测试、分析,证明该监测系统的可行性,不仅对于解决低温多效中试装置的成本较大和能耗高问题有很大推动作用,同时该系统也满足用户对于实时性、准确性、高效性和简易操作等的需求。