跟蹤器
- 基于PigsTrack 跟蹤器的群養(yǎng)生豬多目標跟蹤
sTrack 跟蹤器。該跟蹤器從檢測，嵌入和關(guān)聯(lián)三個方面進行改進，首先利用高性能檢測器YOLOX 減少遮擋場景下的豬只誤檢與漏檢率；其次構(gòu)建基于Transformer 模型的身份重識別（Re-ID）網(wǎng)絡(luò)以提取具有良好區(qū)分特性的目標外觀特征；接著基于OCSORT 的思想，通過集成外觀特征匹配、IoU 匹配和遮擋恢復(fù)匹配策略實現(xiàn)群養(yǎng)生豬的準確跟蹤；最后利用雙流3D 卷積網(wǎng)絡(luò)（SlowFast[18]）對PigsTrack 跟蹤器獲得的跟蹤結(jié)果進行了典型行為統(tǒng)計
農(nóng)業(yè)工程學(xué)報 2023年16期2023-11-26
- 基于歸一化注意力機制的特征自適應(yīng)融合目標跟蹤算法
引 言目前的跟蹤器是在給定視頻序列初始幀的目標狀態(tài)下,跟蹤器盡可能地預(yù)測后續(xù)所有幀的目標狀態(tài)。然而,由于在復(fù)雜背景下的視頻目標跟蹤經(jīng)常受外界照明變化、遮擋等因素的影響;而且在極端環(huán)境下,非剛性物體外觀可能發(fā)生顯著變化,影響跟蹤的準確性。因此開發(fā)一個能快速并且準確的目標跟蹤器依舊是一個高挑戰(zhàn)性的任務(wù)。目前主流的目標跟蹤算法是基于孿生網(wǎng)絡(luò)(siamese networks)。孿生網(wǎng)絡(luò)將目標跟蹤問題描述為一個目標匹配的任務(wù),旨在學(xué)習(xí)目標模板和搜索區(qū)域之間的一般
計量學(xué)報 2023年9期2023-11-02
- 井下作業(yè)面綜采設(shè)備高精度激光跟蹤定位系統(tǒng)的應(yīng)用
置了5 個激光跟蹤器，激光跟蹤器的型號為Leica AT901-B 型[3]，每個激光跟蹤器之間的間隔為200 m。在順槽頂板的位置設(shè)置BK7 型角錐棱鏡，設(shè)置位置位于上順槽和下順槽的頂板控制點處。當系統(tǒng)開始工作時，位于巷道兩端的激光跟蹤器開始搜索和測量已知坐標的頂板控制點，并通過三角法來確定自身測量基準位置的絕對坐標，然后激光跟蹤器旋轉(zhuǎn)一定的角度搜索和他鄰近的激光跟蹤器信號并進行絕對坐標的傳遞，從而完成由順槽頂板控制點到作業(yè)面上各設(shè)備絕對坐標點的精確傳遞
山東煤炭科技 2023年9期2023-10-19
- 利用光學(xué)跟蹤與結(jié)構(gòu)光掃描相結(jié)合的高精度測量方法
量系統(tǒng)作為光學(xué)跟蹤器[16],在雙相機視場范圍內(nèi),實時跟蹤測量結(jié)構(gòu)光掃描儀的六自由度;同時利用結(jié)構(gòu)光掃描儀實時掃描被測物表面的點云數(shù)據(jù),并自動統(tǒng)一歸化至光學(xué)跟蹤器測量坐標下。因此既能實現(xiàn)對被測物的非接觸測量,又能保證極高的點密度,對被測物的細部表現(xiàn)較好。另外在測量范圍較大的情況下,可以在被測物旁粘貼人工標志點作為坐標系轉(zhuǎn)換公共點,并配合單相機測量公共點三維坐標,利用這些公共點即可將不同光學(xué)跟蹤器的測站坐標系進行統(tǒng)一,實現(xiàn)大尺寸非接觸工況下的高點密度的測量。
測繪通報 2023年4期2023-09-05
- 太陽跟蹤器電動推桿俯仰機構(gòu)的參數(shù)優(yōu)化
8200)太陽跟蹤器廣泛應(yīng)用于平板光伏、聚光光伏、定日鏡、太陽能槽式收集器等太陽能系統(tǒng)中,通過太陽跟蹤機電系統(tǒng)追蹤太陽,保證太陽光線垂直入射到光伏平板等太陽收集表面,可大幅提高太陽能光電轉(zhuǎn)換效率,與固定式安裝太陽能平板光伏相比,采用太陽能跟蹤系統(tǒng)可使其發(fā)電量提高25%～40%[1]。跟蹤器俯仰運動通常由電動推桿組成曲柄搖塊機構(gòu)來實現(xiàn),通過電動推桿的絲桿伸縮運動驅(qū)動太陽能電池板旋轉(zhuǎn),實現(xiàn)太陽高度角跟蹤。電動推桿俯仰機構(gòu)具有結(jié)構(gòu)緊湊、空間節(jié)省、運行精確平穩(wěn)、維
機械科學(xué)與技術(shù) 2023年4期2023-07-05
- 基于異步相關(guān)判別性學(xué)習(xí)的孿生網(wǎng)絡(luò)目標跟蹤算法
度高,速度快的跟蹤器面臨著各種各樣的挑戰(zhàn).近些年來,大量的研究成果涌現(xiàn)出來,極大地推進了該領(lǐng)域的發(fā)展,其中又以基于孿生網(wǎng)絡(luò)的跟蹤算法性能最好[4-8].目標跟蹤的核心問題是目標與背景的分類問題,在第1 幀中給定任意要跟蹤的目標,目標跟蹤算法都能在接下來的幀中給出該目標的準確位置.近年來,以基于粒子濾波加分類為代表的多域卷積神經(jīng)網(wǎng)絡(luò)(Multi-domain convolutional neural network,MDNet)[9]和基于相關(guān)濾波為代表的核
自動化學(xué)報 2023年2期2023-03-06
- 深度長時目標跟蹤算法綜述
，難以全面評測跟蹤器的性能。自2018 年，新建立的大規(guī)模跟蹤數(shù)據(jù)集傾向于制作持續(xù)時間在分鐘級的圖像序列，并保證圖像中的場景具有更多樣的挑戰(zhàn)屬性。同時，VOT挑戰(zhàn)賽[16]開放了長時跟蹤賽道，在此之后，跟蹤器的長時跟蹤能力受到越來越多研究者的關(guān)注。與長時跟蹤相比，短時跟蹤往往只考驗在部分挑戰(zhàn)場景下的跟蹤器性能，較少涉及極端異常情況，長時跟蹤涉及到的場景變化與挑戰(zhàn)則更為多樣。在深度神經(jīng)網(wǎng)絡(luò)興起之前，傳統(tǒng)跟蹤算法對長時跟蹤已有相應(yīng)的探索，考慮到長時跟蹤場景中目
計算機工程與應(yīng)用 2023年4期2023-02-28
- 基于注意力機制和孿生網(wǎng)絡(luò)的跟蹤算法研究
基于深度學(xué)習(xí)的跟蹤器中，Yun等[1]提出ADNet可控跟蹤器，通過深度強化學(xué)習(xí)生成動作序列，跟蹤期間進行在線微調(diào)，移動或縮放搜索框來獲得跟蹤結(jié)果；為了提高對深層特征的識別能力，DSiam[2]引入了兩種相關(guān)濾波器，分別用于在線更新目標特征和緩解背景雜波；SA-Siam[3]提出了兩種互補的孿生網(wǎng)絡(luò)來提取全局外觀和語義特征；Bhat等[4]提出基于一個目標模型的預(yù)測網(wǎng)絡(luò)，通過應(yīng)用迭代優(yōu)化過程，得出不同的學(xué)習(xí)損失值，可最大限度地提高預(yù)測模型的辨別能力；在后續(xù)
計算機工程與應(yīng)用 2022年23期2022-12-06
- 全球定位系統(tǒng)助力黑鸛保護
用全球定位系統(tǒng)跟蹤器對黑鸛進行監(jiān)測，以保護其種群。For the first time, Global Positioning System trackers have been used by the Heihe Wetland National Nature Reserve in Zhangye City, Gansu Province, to monitor the path of black storks (鸛) and protect their
瘋狂英語·新悅讀 2022年10期2022-12-04
- 兼顧傳播力和建設(shè)性，提升輿論監(jiān)督報道的社會效益
——浙江新聞獎獲獎作品《執(zhí)法車被誰裝了跟蹤器？》采寫過程簡析
執(zhí)法車被誰裝了跟蹤器？》采寫過程為例，試論如何通過兼顧傳播力和建設(shè)性，實現(xiàn)報道社會效益的最大化。2021年4月，溫州市交通執(zhí)法隊在多輛執(zhí)法車的底盤處發(fā)現(xiàn)了來源不明的GPS跟蹤器。一條利用跟蹤器竊取執(zhí)法活動軌跡，幫助違法貨車逃避執(zhí)法打擊的黑色產(chǎn)業(yè)鏈意外暴露。筆者經(jīng)過近半個月的追蹤調(diào)查，采寫了系列監(jiān)督報道《執(zhí)法車被誰裝了跟蹤器？》。這組報道成功揭開了潛藏已久的行業(yè)黑幕，產(chǎn)生了廣泛的社會影響，促成了案件的快速破獲，并推動了交通部門執(zhí)法手段的革新。得益于深度的挖掘
傳媒評論 2022年7期2022-11-23
- 基于多專家和MDNet的視覺目標跟蹤方法*
觀模型可以幫助跟蹤器準確識別目標。然而，在大多數(shù)視頻中，目標和背景通常會因為光照變化而不斷變化，遮擋、劇烈運動等經(jīng)常發(fā)生，導(dǎo)致目標或背景發(fā)生較大的變化，給目標表觀的建模帶來極大的挑戰(zhàn)。早期的工作，如Isard和Blake[1]及Comaniciu等[2]用固定的特征如顏色、方向梯度直方圖來描述目標。從給定的初始化框內(nèi)采集有標簽的樣本，然后利用判別式或生成式方法構(gòu)建表觀模型。顯然，當目標的外觀發(fā)生變化時，這類跟蹤器會失敗。為適應(yīng)目標和背景的變化，研究人員把注
中國科學(xué)院大學(xué)學(xué)報 2022年6期2022-11-15
- 基于孿生網(wǎng)絡(luò)的目標跟蹤算法研究進展
場景中，首先，跟蹤器將視頻序列的第一幀目標信息作為模板，即模板幀,部分在線更新的孿生跟蹤器會對模板幀進行有條件的更新[5]，在獲取模板幀后，將后續(xù)視頻幀作為序列圖像流進行目標跟蹤。其中，根據(jù)測試目的以及應(yīng)用場景的不同，可將跟蹤過程劃分為短時目標跟蹤和長時目標跟蹤。在短時目標跟蹤場景中，其基準數(shù)據(jù)集[6-10]多具有序列短、目標變化較小等特點，針對環(huán)境噪聲、場景模糊、動態(tài)變化等擾動挑戰(zhàn)，借助抑制背景、干擾物等噪聲的方法，實現(xiàn)高判別性跟蹤器。此外，跟蹤目標在持
廣西師范大學(xué)學(xué)報（自然科學(xué)版） 2022年5期2022-10-19
- 利用時空特征編碼的單目標跟蹤網(wǎng)絡(luò)
在線模型更新的跟蹤器網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜和運行速度較慢，難以部署落地，因此探究簡單易用的跟蹤算法框架十分重要。高性能的跟蹤器往往通過使用注意力機制、模板更新等常用策略提升性能。與之不同的是，本文從視頻時空特征角度出發(fā)，基于序列的時序外觀一致性和空間位移約束進行建模，避免使用復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)和模型更新等策略，較好地平衡了跟蹤器的性能和速度。視覺跟蹤任務(wù)中的視頻時空屬性并未充分探究和開發(fā)。作為一項視頻分析任務(wù)，對跟蹤來說至少有兩個潛在特性和優(yōu)勢。1)目標具有空間位移約
中國圖象圖形學(xué)報 2022年9期2022-09-20
- 利用ELM-AE和遷移表征學(xué)習(xí)構(gòu)建的目標跟蹤系統(tǒng)
隨著基于判別式跟蹤器的發(fā)展，目標跟蹤器的性能有了很大的提高。判別式跟蹤器通常把跟蹤過程轉(zhuǎn)變?yōu)橐粋€特征學(xué)習(xí)和分類的過程。通過特征學(xué)習(xí)來優(yōu)化復(fù)雜圖像特征，使目標與背景的特征更容易區(qū)分，然后利用分類器來區(qū)分目標和背景。判別式跟蹤器可以充分利用目標與背景的相關(guān)信息，因此表現(xiàn)得更加魯棒。如基于CNN 的跟蹤器。但是這類跟蹤器大多數(shù)都沒有考慮到跟蹤過程中目標與背景的變化。面對上述問題，特別是跟蹤過程中的目標變化問題，遷移學(xué)習(xí)算法（transfer learning，T
計算機與生活 2022年7期2022-07-21
- 基于關(guān)鍵特征信息感知和在線自適應(yīng)掩模的孿生網(wǎng)絡(luò)目標跟蹤
意目標的位置，跟蹤器旨在后續(xù)幀成功區(qū)分并定位該目標[3]。近幾年，基于相似性判別的相關(guān)濾波類跟蹤器[4–7]受到研究人員的廣泛關(guān)注。以KCF (Kernel Correlation Filter)[4]為代表的傳統(tǒng)相關(guān)濾波跟蹤器[4–6]利用手工制作的特征比較跟蹤目標和搜索區(qū)域之間的相關(guān)性，相關(guān)性最大的區(qū)域即待跟蹤目標，并采用在線更新模板機制來應(yīng)對復(fù)雜場景的變化。但由于相似性判別過程所采用的特征是傳統(tǒng)的淺層特征(如紋理、顏色等)，導(dǎo)致該類方法應(yīng)對尺度變化、
電子與信息學(xué)報 2022年5期2022-05-31
- 光伏跟蹤器陣列跟蹤精度的測算方法研究
)0 引言光伏跟蹤器技術(shù)是通過支架轉(zhuǎn)動帶動光伏組件正面始終朝向太陽，以最大化利用太陽輻照資源。常用的判斷光伏跟蹤運行可靠性的方法為：光伏可通過專用的測量裝置獲得光伏跟蹤器的實際跟蹤角度位置，并與跟蹤控制算法的目標跟蹤角度位置比較，通過兩者的差值判斷光伏跟蹤器是否在規(guī)定的角度偏差范圍內(nèi)。通常，光伏跟蹤器設(shè)計的跟蹤角度差值不超過2°。但該方法僅從角度數(shù)據(jù)、機械結(jié)構(gòu)方面對單個光伏跟蹤器的單一時刻的瞬時狀態(tài)進行判定，缺乏對光伏跟蹤器及光伏跟蹤器陣列長期運行狀態(tài)的判
太陽能 2022年3期2022-03-29
- 結(jié)合特征金字塔和區(qū)域候選網(wǎng)絡(luò)的視覺目標跟蹤
基于孿生網(wǎng)絡(luò)的跟蹤器因其良好的準確性和速度在學(xué)術(shù)界中引起了極大的研究關(guān)注[5-14].這些孿生跟蹤器將視覺目標跟蹤問題轉(zhuǎn)化為目標模板特征和搜索區(qū)域的特征之間的相似圖的互相關(guān)聯(lián)學(xué)習(xí)問題.例如，CFNet[15]跟蹤器和DSiam[16]跟蹤器分別通過運行平均模板和快速轉(zhuǎn)換模塊更新跟蹤模型.SiamRPN[10]跟蹤器在孿生網(wǎng)絡(luò)之后引入?yún)^(qū)域候選網(wǎng)絡(luò)，進行聯(lián)合分類和回歸跟蹤.DaSiamRPN[11]跟蹤器進一步引入干擾感知模塊，提高了模型的識別能力.上述孿生跟
小型微型計算機系統(tǒng) 2022年1期2022-01-21
- 基于空間感知的多級損失目標跟蹤對抗攻擊方法
考慮，深度學(xué)習(xí)跟蹤器存在嚴重的安全隱患，極易受到對抗樣本的干擾。對抗攻擊是通過對原始圖像添加人眼不可見的微小擾動，以欺騙深度網(wǎng)絡(luò)模型，導(dǎo)致分類預(yù)測錯誤。近年來，對抗攻擊已經(jīng)由圖像分類延伸到目標跟蹤、語義分割等領(lǐng)域，成功地破壞了深度學(xué)習(xí)任務(wù)的有效性。此外，深度學(xué)習(xí)算法無法有效地處理對抗樣本。偽造的樣本會使深度學(xué)習(xí)模型輸出意想不到的結(jié)果。因此，研究基于深度學(xué)習(xí)的目標跟蹤對抗攻擊方法對確保算法的安全性和穩(wěn)健性是至關(guān)重要的，可為設(shè)計更加穩(wěn)健的算法提供思路?；谝陨?/div>
通信學(xué)報 2021年11期2021-12-08
- 基于LCT+的自適應(yīng)抗遮擋目標跟蹤算法
觀信息丟失導(dǎo)致跟蹤器更容易產(chǎn)生漂移，最終跟丟目標。因此實現(xiàn)高精度和高魯棒性的目標跟蹤仍具有很大的挑戰(zhàn)。近幾年，基于相關(guān)濾波算法的優(yōu)越性顯著，成為研究的主流，研究者們對其提出了不同的改進策略。相關(guān)濾波算法在目標跟蹤領(lǐng)域的應(yīng)用最早源于Bolme等人[2]提出的誤差最小平方和算法，其利用傅里葉變換的性質(zhì)，大大加快目標跟蹤的速度，達到幾百幀的超快速度。Henriques等人[3]在此基礎(chǔ)上提出核相關(guān)濾波算法，利用循環(huán)卷積的性質(zhì)對圖像進行密集采樣，更加有效訓(xùn)練相關(guān)濾計算機工程與應(yīng)用 2021年22期2021-11-26
- Vision4ce公司開發(fā)無人機新型視頻跟蹤器
功能強大的視頻跟蹤器，這些跟蹤器專為關(guān)鍵任務(wù)應(yīng)用而設(shè)計，適用于基于無人機的邊境控制、搜索和救援、公共安全和監(jiān)視任務(wù)。跟蹤器配有強健的硬件和軟件，具有最先進的圖像處理功能，是記錄和提取視頻圖像信息的理想選擇設(shè)備。視頻跟蹤板卡小巧，重量輕，功率低，可提供高質(zhì)量的圖像，且能夠控制機載無人機，可實現(xiàn)對陸地、海上和空中目標的高精度跟蹤。智能軟件可進行路線跟蹤，目標運動和方向預(yù)測，即使在視覺目標跟蹤丟失的情況下，也能提供支持。當目標在攝像機的視野內(nèi)時，可以自動激活或手無人機 2021年7期2021-11-08
- 星跟蹤器天文觀測信息異常檢測算法
，由于小視場星跟蹤器的天體敏感設(shè)備視場小，視場內(nèi)一般一次觀測一顆導(dǎo)航星，天空中的入射雜散光線較少，單星測量信噪比高，極大提高白天觀星的對比度和觀星效果，能夠克服白天大氣對太陽光散射帶來的強背景噪聲的限制，從而使基于小視場星跟蹤器天文慣性組合導(dǎo)航成為首選[7-9]。小視場星跟蹤器雖然能有效克服白天大氣強背景噪聲的影響，實現(xiàn)全天時觀星，但是由于航空平臺環(huán)境的復(fù)雜性，天文觀測依然會受到圖像傳感器（Charge Coupled Device，CCD）熱噪聲、時統(tǒng)誤現(xiàn)代導(dǎo)航 2021年5期2021-10-21
- 基于孿生跟蹤器的實時模板更新網(wǎng)絡(luò)
臨的挑戰(zhàn)。現(xiàn)代跟蹤器有兩個分支：第一個分支基于相關(guān)濾波器，相關(guān)濾波利用循環(huán)相關(guān)的特征，通過傅里葉域來訓(xùn)練回歸器，該回歸器可以進行在線跟蹤并有效地更新過濾器的權(quán)重，隨著深度學(xué)習(xí)的發(fā)展，最近提出的基于相關(guān)濾波的方法也充分利用了深度特征來提高跟蹤器的準確性；另一分支旨在通過利用深度學(xué)習(xí)來使模型獲得強大的自主學(xué)習(xí)能力。具體來說，有兩種基于深度學(xué)習(xí)的跟蹤器：第一類是經(jīng)過預(yù)訓(xùn)練的判別式分類器，通過區(qū)分前景（目標）和背景來對目標進行持續(xù)的跟蹤，這種類型的跟蹤器有效利用了智能制造 2021年3期2021-07-01
- 遮擋和光照變化下的單魚目標跟蹤
與Dlib關(guān)聯(lián)跟蹤器相結(jié)合,利用SSD算法精確地檢測魚體位置,利用Dlib關(guān)聯(lián)跟蹤器實時的跟蹤魚體。2 算法原理2.1 算法流程為了實現(xiàn)對水環(huán)境中不同狀態(tài)的魚類運動的檢測和跟蹤,采用SSD算法結(jié)合MobileNets結(jié)構(gòu)搭建檢測模型,再利用Dlib關(guān)聯(lián)跟蹤器進行跟蹤。通過SSD算法精準的檢測到視頻中的魚體,再將信息輸入到Dlib關(guān)聯(lián)跟蹤器中,其具體流程如圖1所示。圖1 魚類跟蹤流程圖Fig.1 Fish Tracking Flow Chart2.2 Mob計量學(xué)報 2021年2期2021-04-07
- 基于核相關(guān)濾波的TLD跟蹤算法的研究
TLD算法將跟蹤器與檢測器結(jié)合起來以解決此問題,然而該算法耗時量大,且跟蹤器性能不穩(wěn)定. 為了提高TLD算法的性能,許多學(xué)者對其進行了改進. 在對其中的跟蹤器進行改進時,張驚雷等[11]使用尺度自適應(yīng)均值偏移(scale-adaptive mean-shift for tracking,ASMS)跟蹤器代替原始TLD跟蹤算法中的中值光流跟蹤器. 毛曉波等[12]采用FAST特征點代替中值光流跟蹤器中均勻分布的特征點,一定程度上提高了算法的準確性,但基于特南京師范大學(xué)學(xué)報（工程技術(shù)版） 2020年4期2021-01-12
- 判別式相關(guān)濾波器的目標跟蹤綜述
初始目標位置，跟蹤器能夠在級聯(lián)的視頻序列中估計目標狀態(tài)[2]，在有限的訓(xùn)練樣本中克服目標的旋轉(zhuǎn)、遮擋、光照變化、快速運動、模糊、低分辨率等挑戰(zhàn)[3，4]，考驗著跟蹤器的準確性、魯棒性、實時性.近年來，基于判別式相關(guān)濾波器(Discriminative Correlation Filters，DCF)方法在跟蹤任務(wù)中展現(xiàn)了卓越的性能[4-11].生成式方法通常使用參數(shù)模型來描述目標的外觀模型，在候選集中選擇重構(gòu)誤差最小的作為目標圖像.判別式方法是將跟蹤任務(wù)視小型微型計算機系統(tǒng) 2020年12期2020-12-09
- 一種全天時星跟蹤器相對慣導(dǎo)的安裝陣在線快速估計方法
航中，慣導(dǎo)與星跟蹤器之間一般采取固聯(lián)安裝，無需考慮隔離平臺運動。慣導(dǎo)向星跟蹤器傳遞導(dǎo)航信息包括協(xié)調(diào)世界時、慣導(dǎo)姿態(tài)以及地理經(jīng)緯度等信息[2]，星跟蹤器借助輔助信息完成星圖曝光、星點識別、矢量計算等，之后組合濾波解算出載體在導(dǎo)航系的姿態(tài)和位置等。實際上，慣導(dǎo)存在姿態(tài)誤差，慣導(dǎo)和星跟蹤器之間的安裝陣由于力熱變化也存在漂移，慣導(dǎo)的姿態(tài)誤差和安裝陣在組合導(dǎo)航算法中屬于待估計的參數(shù)，對這些參數(shù)的估計是組合導(dǎo)航算法中必須要面臨的問題。在全天時星光慣性組合導(dǎo)航中，由于大航空學(xué)報 2020年8期2020-09-10
- 一種離心風(fēng)機蝸殼自動焊接工作站研制
移動，設(shè)計焊縫跟蹤器追蹤離心風(fēng)機蝸殼阿基米德螺線，實現(xiàn)一次性焊接成形?；诤缚p跟蹤器結(jié)構(gòu)與焊接工藝要求，研發(fā)滿足阿基米德螺線轉(zhuǎn)速計算方程的穩(wěn)定焊接速度、實時反饋閉環(huán)轉(zhuǎn)速控制等關(guān)鍵技術(shù)。該工作站在某廠實際應(yīng)用，達到提高產(chǎn)品質(zhì)量和生產(chǎn)效率及擴大產(chǎn)能的效果。離心風(fēng)機蝸殼；阿基米德螺線；自動軌跡跟蹤；PLC控制0 引言離心風(fēng)機是一種重要通風(fēng)設(shè)備，具有結(jié)構(gòu)簡單、能耗低、風(fēng)速高、流量大等特點，在隧道、地鐵、地下停車場等地下建筑，以及樓宇、冶金生產(chǎn)廠等場所應(yīng)用廣泛。離心自動化與信息工程 2020年3期2020-07-16
- 一種智能型多功能戶外休閑桌的設(shè)計
能遮陽傘、太陽跟蹤器、控制面板、單片機、步進電機及驅(qū)動器、蓄電池及控制器、液晶顯示屏、LED 燈，以及相關(guān)電路，其構(gòu)成如圖1 所示。圖1 本設(shè)計的休閑桌的構(gòu)成Fig.1 Composition of intelligent multifunctional outdoor recreational table1) 太陽能遮陽傘。本設(shè)計的休閑桌上部的太陽能遮陽傘由柔性光伏組件制成，在遮陽、擋雨的同時，還可以吸收太陽能，并將其轉(zhuǎn)換成電能。2)太陽跟蹤器。為了最大太陽能 2020年6期2020-06-30
- 淺析一種風(fēng)光儲一體化跟蹤器
引言1 一體化跟蹤器的集成原理1.1 工作原理風(fēng)荷載的大小對采用光伏跟蹤器的光伏發(fā)電項目的建設(shè)成本和可靠性影響較大。在光照資源和緯度相同的情況下，采用光伏跟蹤器的光伏發(fā)電項目在高風(fēng)壓地區(qū)的建設(shè)成本遠大于其在低風(fēng)壓地區(qū)建設(shè)時。但若將這些在光伏發(fā)電項目中需要防范的風(fēng)能通過光伏跟蹤器轉(zhuǎn)化成電能，將降低光伏支架結(jié)構(gòu)的設(shè)計荷載，提高結(jié)構(gòu)的可靠性，進而降本增效。本文提出的一體化跟蹤器就具有這樣的功能。一體化跟蹤器的工作原理圖如圖1所示。一體化跟蹤器通過機械結(jié)構(gòu)來判斷風(fēng)太陽能 2020年3期2020-04-08
- GLP發(fā)布全球基因編輯法規(guī)追蹤器和索引
球基因編輯法規(guī)跟蹤器和索引”（The Global Gene Editing Regulation Tracker and Index）總結(jié)了每個國家在農(nóng)業(yè)、醫(yī)學(xué)和基因驅(qū)動領(lǐng)域的基因編輯法規(guī)，以圖片的形式提供了每個國家的法規(guī)時間表，并指出了哪些產(chǎn)品和療法正在準備中。追蹤器的另一個重要特征是可以提供有關(guān)基因編輯評論家以及致力于為該技術(shù)提供機會的科學(xué)家和公共利益團體的反應(yīng)信息。由GLP與消費者選擇中心（Consumer Choice Center）合作開發(fā)的“國際種業(yè)前沿動態(tài) 2020年8期2020-03-09
- 多特征融合的相關(guān)濾波紅外單目標跟蹤算法
提高了相關(guān)濾波跟蹤器的跟蹤準確率。近年來，卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺諸多領(lǐng)域取得了巨大成功，文獻[7]提出了多層卷積特征(Hierarchical Convolutional Features, HCF)算法。該算法使用多層卷積特征分別訓(xùn)練相關(guān)濾波模型，然后對響應(yīng)圖進行加權(quán)融合，取得了較好的跟蹤效果。文獻[8]使用多個卷積層進行相關(guān)濾波，對多個響應(yīng)圖進行融合，用于紅外跟蹤，該算法在視覺目標跟蹤 (Visual Object Tracking , VOT)紅外西安電子科技大學(xué)學(xué)報 2019年5期2019-11-08
- 佛山南海：為油氣回收裝上“跟蹤器”
如同裝了一個“跟蹤器”……近日，佛山市南海區(qū)首個油氣回收在線監(jiān)測數(shù)據(jù)管理平臺正式投入使用。一個系統(tǒng)，兼顧“三筆賬”在加油站經(jīng)常能聞到濃重的汽油味，是因為在加油過程中，一部分汽油悄悄地“跑”到了空氣里。汽油揮發(fā)性較強，進入空氣形成混合烴類氣體，俗稱“油氣”。油氣的揮發(fā)污染物主要以非甲烷總烴為主，這類有機物經(jīng)紫外線照射后，會與空氣中的氮氧化物發(fā)生物理化學(xué)反應(yīng)，轉(zhuǎn)化生成臭氧和細顆粒物PM2.5，是造成光化學(xué)煙霧、灰霾等大氣污染現(xiàn)象的重要原因。更嚴重的是，油氣達到環(huán)境 2019年10期2019-10-24
- 高清視頻圖像跟蹤器硬件設(shè)計
裴文浩關(guān)鍵詞：跟蹤器;圖像采集;DSP;FPGA中圖分類號：TP391.41 ? ? ?文獻標識碼：A 文章編號：2096-4706（2019）06-0042-03Keywords：tracker;image acquisition;DSP;FPGA0 ?引 ?言隨著電子技術(shù)的發(fā)展，圖像處理技術(shù)在生活和工業(yè)中應(yīng)用得越來越廣泛[1]。在圖像處理技術(shù)中，目標識別與跟蹤技術(shù)一直是眾多學(xué)者研究的熱點，目前跟蹤技術(shù)的實現(xiàn)主要采用圖像跟蹤器，其主要實現(xiàn)的功能是采集視頻現(xiàn)代信息科技 2019年6期2019-09-10
- 雙HOG 特征的相關(guān)濾波目標跟蹤
DCF 比頂級跟蹤器[11]表現(xiàn)更加出色，能以每秒數(shù)百幀的速度運行.由于設(shè)計滿足各種挑戰(zhàn)性場景的特征融合方法的難度很大，為了獲得更好的性能，讓跟蹤器可以可靠地處理各種問題，跟蹤器的單一性能有時會出現(xiàn)不穩(wěn)定的情況，但是跟蹤器的多種特征融合[14]可以有效地增強其魯棒性[15].受DCF 算法的啟發(fā)，本文提出一種有效的雙HOG 特征目標跟蹤（Dual HOG feature correction filter，DHCF）方法.該方法結(jié)合不同類型的特征，通過DC閩南師范大學(xué)學(xué)報(自然科學(xué)版) 2019年3期2019-08-08
- 基于直方圖得分和模板更新得分的實時目標跟蹤
濾波的算法和多跟蹤器模式?；趯W(xué)習(xí)的算法是一種自適應(yīng)方法，即在線學(xué)習(xí)模式。如Struck[4]是一個性能較好、結(jié)構(gòu)簡單的在線目標檢測與跟蹤算法，該算法旨在將目標定位的結(jié)構(gòu)化輸出最小化，但較高的計算量限制了特征和訓(xùn)練樣本的數(shù)量。文獻[5]提出基于HOG在線多實例學(xué)習(xí)的目標跟蹤算法，該算法采用HOG特征值提取方式，結(jié)合在線多實例學(xué)習(xí)技術(shù)，其適合于目標平移、旋轉(zhuǎn)和遮擋等情況下的跟蹤。TLD(Tracking Learning Detection)算法[6]采用N計算機應(yīng)用與軟件 2019年2期2019-04-01
- 基于干擾觀測器的導(dǎo)引頭穩(wěn)定平臺滑?？刂?/a>
制器,采用微分跟蹤器、擴張狀態(tài)觀測器、非線性狀態(tài)誤差反饋控制率以及擾動估計補償4大模塊,并驗證了控制器的控制效果優(yōu)于傳統(tǒng)的PID控制,但對于文中的狀態(tài)方程中存在多于一個不確定項的情況,通常的擴張狀態(tài)觀測器無法直接進行設(shè)計。文獻[9]引入Stribeck摩擦力模型,采用基于微分跟蹤器與擴張狀態(tài)觀測器相結(jié)合的自抗擾控制技術(shù)對高精度伺服系統(tǒng)進行控制,并設(shè)計了反饋控制率對誤差進行控制,取得了比較好的控制效果,但是文中的線性微分跟蹤器跟蹤精度一般。文獻[10]對永磁系統(tǒng)工程與電子技術(shù) 2018年9期2018-09-27
- 通道穩(wěn)定性加權(quán)補充學(xué)習(xí)的實時視覺跟蹤算法
G構(gòu)造相關(guān)濾波跟蹤器，取得了較好的實時跟蹤效果。但是，Staple方法并沒有考慮每層響應(yīng)的穩(wěn)定性，即每層響應(yīng)的權(quán)重是一致的，這樣就使得噪聲很大的響應(yīng)給跟蹤結(jié)果帶來較大的負面影響。比如，在周圍有類似物體干擾的情況下，目標就很容易跟丟。針對上述問題，本文在實時補充學(xué)習(xí)(Staple)跟蹤的基礎(chǔ)上加入了響應(yīng)穩(wěn)定性權(quán)重，提出了通道穩(wěn)定性加權(quán)的Staple(Channel Stability-weighted Staple，CSStaple)跟蹤算法。如圖1所示，本計算機應(yīng)用 2018年6期2018-08-28
- 淺談光伏平單軸跟蹤器逆追蹤算法
文著重討論光伏跟蹤器支架如何有效提高發(fā)電量產(chǎn)出。當今主流的跟蹤器，有平單軸跟蹤器、斜單軸跟蹤器以及雙軸跟蹤器。所采用的跟蹤算法各異，下面著重談?wù)劜捎锰煳乃惴ǖ母櫦夹g(shù)。知道項目地的經(jīng)緯度信息、真太陽時，使用天文算法，計算出太陽的高度角和方位角，調(diào)節(jié)跟蹤器到需要的角度，即可實時跟蹤太陽。同理，也可以根據(jù)天文算法計算出最佳無陰影遮擋角度，使平單軸反向轉(zhuǎn)動，讓后一排光伏組件避開前一排組件的陰影遮擋，我們稱之為“逆追蹤”。下面簡單談?wù)勊惴ǎ? 基本術(shù)語及符號因為文機電信息 2018年24期2018-08-27
- 加權(quán)全局上下文感知相關(guān)濾波視覺跟蹤算法
目前基于CF的跟蹤器在OTB-50[2]、OTB-100[3]、UAV123[4]、TC-128[5]、ALOV300++[6]、VOT2015[7]等當前主流基準測試中排名都非?？壳?，同時保持較高的計算效率?，F(xiàn)在對CF跟蹤器的改進主要包括納入kernels[8]和HOG[9]特征，添加color name特征或color直方圖[10]，集成稀疏跟蹤器[11]，采用自適應(yīng)尺度[12]，緩解邊界效應(yīng)[13]以及與深度CNN特征[14]整合。目前的研究重點是解計算機工程與應(yīng)用 2018年16期2018-08-20
- 雙向多軌跡判定方法在目標跟蹤中的應(yīng)用研究
特征的三種組件跟蹤器，對目標進行正向跟蹤。然后，以正向跟蹤結(jié)果作為初始位置，進行相應(yīng)反向跟蹤。通過分析成對正向反向軌跡，提取幾何相似性、循環(huán)量和外觀相似性，并計算各跟蹤器軌跡準確性分數(shù)。最后，選擇準確性分數(shù)最高的跟蹤器的正向跟蹤軌跡作為最終的跟蹤結(jié)果。實驗結(jié)果表明：與幾種傳統(tǒng)跟蹤方法相比，提出的雙向多軌跡判定跟蹤方法通過融合不同的特征信息，跟蹤性能顯著提升。目標跟蹤 反向跟蹤 雙向多軌跡判定 幾何相似性0 引 言近年來，視頻目標跟蹤在人們的生活中得到廣泛應(yīng)計算機應(yīng)用與軟件 2017年7期2017-08-12
- 目標二次提取法在高幀頻視頻跟蹤器上的應(yīng)用
法在高幀頻視頻跟蹤器上的應(yīng)用李 健,劉歆瀏(中國兵器裝備集團自動化研究所， 四川 綿陽 621000)為了提高光電跟蹤系統(tǒng)的目標探測精度和系統(tǒng)響應(yīng)速度，采用基于Camera Link接口的高清高幀頻數(shù)字相機作為目標傳感器，以DSP+FPGA作為核心處理器，采用目標二次提取法設(shè)計出高幀頻視頻跟蹤器；此視頻跟蹤器結(jié)合DSP和FPGA在數(shù)據(jù)處理上的優(yōu)勢,將圖像跟蹤算法進行分解，F(xiàn)PGA通過硬件方式并行流水實現(xiàn)圖像采集、圖像預(yù)處理、圖像存儲、目標一次提取粗定位、圖兵器裝備工程學(xué)報 2017年6期2017-07-03
- 基于自適應(yīng)微分跟蹤器的位置伺服系統(tǒng)
基于自適應(yīng)微分跟蹤器的位置伺服系統(tǒng)陸 浩1胡建華1王云寬1鄭 軍1秦曉飛21.中國科學(xué)院自動化研究所，北京，100190 2.上海理工大學(xué)，上海，200093為兼顧永磁同步電機位置控制的快速響應(yīng)能力和無超調(diào)特性，在分析傳統(tǒng)微分跟蹤器的基礎(chǔ)上，設(shè)計了一種自適應(yīng)微分跟蹤控制器。該控制器用微分跟蹤器對位置指令安排過渡過程，采用最小二乘法擬合濾波因子h和輸入階躍脈沖數(shù)s的一次函數(shù)關(guān)系。此外，該控制器可以在運行過程中根據(jù)不同范圍的階躍信號自適應(yīng)地選擇最優(yōu)過渡過程參數(shù)中國機械工程 2016年21期2016-12-24
- 一種新的基于顏色統(tǒng)計特征的判別跟蹤方法①
分類器。與現(xiàn)有跟蹤器的大量綜合性的對比實驗表明，該判別跟蹤方法在不同挑戰(zhàn)因素下均有明顯優(yōu)勢。視覺跟蹤， 顏色統(tǒng)計特征， 仿射變換， 降維， 判別分類器0 引 言目標跟蹤在計算機視覺的許多應(yīng)用中都占據(jù)非常重要的地位，如自動監(jiān)測、視頻檢索、交通監(jiān)控和人機交互等。盡管研究者們在過去幾十年里提出了很多目標跟蹤算法，但要構(gòu)建一個簡單且魯棒的跟蹤系統(tǒng)用來處理因突然運動、光照變化、形狀變形和遮擋等引起的外觀變化，依然具有很大的挑戰(zhàn)。本研究針對這種情況進行了探索，提出了一高技術(shù)通訊 2016年3期2016-12-05
- 自適應(yīng)觀測權(quán)重的目標跟蹤算法*
跟蹤。在產(chǎn)生式跟蹤器中，基于線性表示模型的跟蹤算法引起了廣泛重視，出現(xiàn)了一些不錯的跟蹤算法[1,10-11]，其中最突出的算法是Ross等人提出的IVT（incremental visual tracking）跟蹤器[1]。IVT在貝葉斯推理框架中通過PCA（principal component analysis）子空間對目標進行線性表示和在線增量學(xué)習(xí)的方式對子空間進行更新，取得了較好的跟蹤效果，但由于IVT跟蹤器將誤差項看成是高斯分布的，構(gòu)建出的模型對計算機與生活 2016年7期2016-10-12
- 世界上最黑的涂層材料首次在太空中應(yīng)用
制系統(tǒng)的衛(wèi)星星跟蹤器的性能。Vantablack涂層材料優(yōu)化了衛(wèi)星星跟蹤器上光學(xué)儀器的靈敏度。KR 1衛(wèi)星是由柏林航天技術(shù)（BST）公司聯(lián)合新加坡國立大學(xué)共同研發(fā)的低地球軌道微衛(wèi)星。該衛(wèi)星攜帶了2個高光譜成像系統(tǒng)和1個高分辨攝像機用于對地觀測。Vantablack涂層把由星跟蹤器內(nèi)部引起的漫射光的干擾降低到最小。該涂層非常適合涂覆復(fù)雜的衛(wèi)星部件，其性能遠遠超過傳統(tǒng)使用的黑涂料，對表面光的吸收效率達99.8%。Vantablack涂層利用創(chuàng)新的碳納米管結(jié)構(gòu)吸航天返回與遙感 2016年4期2016-01-07
- 基于CORDIC算法的半球諧振陀螺信號相位跟蹤和解調(diào)
主，回路中相位跟蹤器用鎖相環(huán)的方式實現(xiàn)，鎖相環(huán)電路由壓控振蕩器（VCO）和鎖相回路（PLL）組成，VCO輸出的信號分成兩路，一路通過分頻和鎖相回路產(chǎn)生本振信號，另一路信號與本振信號相位比較，若相位差為定值，則說明相位已被跟蹤，若相位差在變化，則鎖相回路輸出將變化，控制VCO，使相位差穩(wěn)定，說明鎖相環(huán)的輸入與輸出頻率與相位保持特定關(guān)系，完成鎖相的閉環(huán)。但模擬電路用于陀螺控制回路中缺點有：模擬器件溫度偏移較嚴重，溫度變化時參數(shù)會隨之改變，影響陀螺性能穩(wěn)定；模擬上海航天 2015年5期2015-12-31
- DRD-100自動蒸餾器常見故障及排除方法
蹤。原因可能是跟蹤器壞了或有外部光線干擾跟蹤器。處理方法是更換跟蹤器或調(diào)整外部光源避免干擾跟蹤器。2.2 初餾點偏差大。原因可能是冷凝管內(nèi)壁不干凈或試樣突沸。處理方法是在分析樣品前將冷凝管擦拭干凈或在蒸餾燒瓶中加入少量沸石。2.3 檢測不到初餾點，蒸餾狀態(tài)報“初餾點檢測器故障”。檢查檢測器是否壞了，如果壞了更換檢測器；檢查量筒上的導(dǎo)流板是否擋住了初餾點檢測器，如果擋住了，調(diào)整量筒上的導(dǎo)流板使之朝前或朝后。2.4 不顯示電爐絲的溫度，蒸餾狀態(tài)報“加熱器傳感器化工管理 2015年27期2015-03-23
- 星體跟蹤器測試系統(tǒng)中星模擬器的標定
1006)星體跟蹤器測試系統(tǒng)中星模擬器的標定李寧 黃堃(陜西凌云電器集團有限公司,陜西寶雞 721006)本文對星體跟蹤器測試系統(tǒng)中主要組成部分星模擬器的組成及建立作了說明,詳細介紹了星模擬器的標定,并對標定結(jié)果進行誤差分析。分析結(jié)果表明,本文星模擬器標定結(jié)果滿足星體跟蹤器測試要求。星模擬器 平行光管 標定星體跟蹤器是航天飛行器中廣泛采用的一種高精度、高可靠性的姿態(tài)測量器件。在星體跟蹤器測試系統(tǒng)中，需要星模擬器，以給出星體跟蹤器所需的星光輸入信號[1]。1中國科技縱橫 2014年17期2014-12-13
- 享受音樂的果繽紛——Fruit Loop Studio 10 使用全攻略（13）
、琶音器、鍵盤跟蹤器、時間位移和門限。這些功能可能用于所有發(fā)生器（包括第三方發(fā)生器插件），只是除了TS404。因為TS404產(chǎn)生聲音的方法不同，因此它在這里沒有回聲或琶音音符事件。而關(guān)于TS404如何能產(chǎn)生回聲，我們會在以后的教學(xué)欄目中為大家介紹。①回聲延遲部分這部分是用來設(shè)置通道回聲的，但需要注意的是這里使用的并不是真正的延遲線。它不為通道輸出波形創(chuàng)建回聲，它創(chuàng)建的是音符事件回聲。這樣能產(chǎn)生一些特殊的效果，比方說像音高位移回聲，但每個回聲的產(chǎn)生都會占用更樂器 2014年3期2014-06-06
- ADI MEMS成就Withings脈搏活動跟蹤器
開發(fā)的脈搏活動跟蹤器集成了ADXL362MEMS加速度計，Withings公司致力于開發(fā)智能產(chǎn)品和應(yīng)用程序，幫助人們輕松呵護健康和幸福。這款脈搏活動跟蹤器是袖珍工具，旨在幫助用戶實現(xiàn)其個人健康和健身目標。該工具提供多種監(jiān)護功能，從記錄步數(shù)和行走距離到計算脂肪燃燒量、測量心率以及檢測睡眠質(zhì)量等等，不一而足。為了延長電池續(xù)航時間、增強用戶自主性，Withings需要高性能與超低功耗相結(jié)合的技術(shù)解決方案。作為功耗極低的MEMS加速度計，ADI ADXL362ME單片機與嵌入式系統(tǒng)應(yīng)用 2014年2期2014-03-23
- 機載光學(xué)定位測量跟蹤器研究
的光學(xué)定位測量跟蹤器是安裝在無人機上，并與激光測距儀和GPS定位系統(tǒng)配合，以完成對如橋梁裂縫[3－4]等地面固定目標的精確定位功能[5－7]。目前對跟蹤器的研究主要應(yīng)用傳統(tǒng)的電磁電機配合減速機構(gòu)。跟蹤器電機多采用單路驅(qū)動的方式，存在結(jié)構(gòu)復(fù)雜、精度低、不易小型化等缺點。本文利用超聲電機[8－9]和雙路電機驅(qū)動器來構(gòu)建機載光學(xué)定位測量跟蹤器。系統(tǒng)包括兩個直徑為60 mm超聲電機組成的攝像支架、以高性能STM32F103ZET6為核心的雙路超聲電機驅(qū)動器。設(shè)計了電子設(shè)計工程 2014年20期2014-01-21
- 應(yīng)用于聚光光伏系統(tǒng)的高精度跟蹤器的研究
低成本的太陽能跟蹤器應(yīng)用于聚光發(fā)電模組，在一定程度上提高太陽能量接收效率，從而提高整個光伏系統(tǒng)發(fā)電效率。1 太陽能自動跟蹤器的設(shè)計及工作原理1.1 自動跟蹤器的結(jié)構(gòu)設(shè)計本設(shè)計結(jié)構(gòu)選用4片LXD1010CE硅光電池，應(yīng)用于自動跟蹤器外部四象限分布；4片BH1603FVC光敏傳感器芯片應(yīng)用于自動跟蹤器內(nèi)部四象限分布[3-4]；內(nèi)外傳感芯片分布相互對應(yīng)，其分布情況如圖1所示。1.2 自動跟蹤器的工作原理如圖1所示，在太陽光照下，外罩對應(yīng)面上的兩片硅光電池受太陽光太陽能 2014年12期2014-01-01
- 新型太陽能跟蹤器控制研究
鍵詞：太陽能；跟蹤器；傳感器；高度角；方位角0前言太陽能跟蹤控制器是能夠保持太陽能電池板隨時正對太陽，使太陽能電池板能垂直照射的機械動力裝置，能夠顯著提高太陽能光伏器件的發(fā)電利用率?，F(xiàn)有的太陽能跟蹤技術(shù)一般有兩種實現(xiàn)途徑，一種是以光電傳感器來檢測太陽高度角和方位角進行控制的閉環(huán)控制，閉環(huán)控制的優(yōu)點是跟蹤靈敏度比較高；缺點是光電傳感器的敏感元件在檢測太陽光的過程中受天氣情況和環(huán)境中雜散光線的影響比較大，容易引起誤動作，從而導(dǎo)致跟蹤裝置無法對準太陽，很難保證跟卷宗 2013年2期2013-05-14
- 基于RFID技術(shù)的目標對象監(jiān)控管理系統(tǒng)的設(shè)計
成，監(jiān)測探頭、跟蹤器、上位機。該系統(tǒng)采用RFID技術(shù)實現(xiàn)對目標對象實時監(jiān)控、管理和出現(xiàn)未經(jīng)授權(quán)的非法移動時，報警并及時通知相關(guān)人員及管理部門，幫助查清目標對象所處方位，盡快的找到丟失重要物件，減少損失。RFID;監(jiān)測探頭;跟蹤器;目標對象0 引言日常生活中總有一些重要物件及危險物品存放、使用，在存放或使用過程中，有可能丟失，造成一定的損失，尤其是一些危險物品丟失，會對公眾造成一定的損傷，引起公眾恐慌，造成一定經(jīng)濟損失。如何監(jiān)督管理好重要物件及危險物品，丟失長春大學(xué)學(xué)報 2010年8期2010-09-19
- Datapaq爐溫跟蹤器檢測方法的探討
tapaq爐溫跟蹤器”來檢測油漆烘房的溫度，以此提高產(chǎn)品質(zhì)量、改善工藝控制及預(yù)防缺陷發(fā)生。由于Datapaq爐溫跟蹤器是一種新型檢測儀器，本文試對該裝置的檢測方法進行探討,同時建立自動檢測系統(tǒng)。1 被測對象的分析及開展定期檢測的重要性Datapaq爐溫跟蹤器一般有4～16通道組成,采樣速率從0.1 s至60 min。其核心部分是模擬電信號的測量。爐溫跟蹤器工作時，各通道分別接上相應(yīng)溫度傳感器，放在屏蔽隔熱箱中，隨車身一同進入流水線，全程記錄溫度值。工序結(jié)束上海計量測試 2010年3期2010-07-26
- 基于LCT+的自適應(yīng)抗遮擋目標跟蹤算法