摘要：军工企业是一类特殊的企业,承担着国防装备的研发与生产任务,形成了全面的研发、试制、生产及实验能力体系。面对新时期我国对于国防武器装备生产与研发的高质量要求,数据管理与存储贯穿于军工企业生产与运营的整个过程。相比于其他行业而言,军工企业对于数据存储可靠性有着更严苛的标准。而随着人工智能、5G等新兴技术应用的全面铺开和军工企业信息化建设的持续推进,各类业务形成的海量规模数据为军工数据的高效存储与科学利用带来了全新挑战。军工企业数据存储管理水平已经成为衡量自身信息化水平的主要指标。本文基于军工企业视角,对大数据存储管理系统的优化设计进行分析,并以此为基础,对其实践应用进行探讨。希望通过本研究可以持续军工企业存储系统的信息化建设速度,提升军工数据利用效率,提高军工数据存储质量,实现军工数据存储系统的智能化与数字化。

摘要：我们设计了一套基于OpenCV机器视觉的智能取物系统,本项目设计了信息识别模块、自动驾驶模块和智能取物模块,分别实现了快递信息识别、沿预定路线自动驾驶、智能取物和准确归位等功能。利用CLB Raspberry Pi(PI 4B版本)、OpenCV视觉基础小车、TS90A舵机组件、CMOS摄像头(P5V04A SUNNY)等器材,基于CMOS摄像头以及云台组件,通过OpenCV视觉处理库,实现AI人工智能视觉识别控制,从而研制出一种综合型智能取物系统。在提取货物的过程中,该作品创造性地采用了树莓派编程控制,用python语言调用OpenCV视觉处理库识别物体的形状大小、二维码等信息,控制电机,舵机的运行,使提取货物的过程变得更加便利,更加智能化。该系统操作简单,演示效果明显,极具观赏性和实用性,因此得以在快递站提取物件、树莓派的合理运用、人工智能等前端技术方面发挥其独特优势,有望进一步应用在快递行业。

摘要：为解决红外图像中人眼瞳孔中心定位存在的眼睑遮挡、睫毛遮挡和角膜反射引起的白斑干扰等问题,采用由粗到精的瞳孔中心定位策略。对红外图像进行预处理,通过YoloV3深度学习模型检测瞳孔区域,实现瞳孔中心的粗略定位;在此基础上,采用星射线法提取瞳孔边缘点,剔除因眼睑遮挡导致的伪瞳孔边缘点;将剩下的边缘点基于最小二乘法进行椭圆拟合,对椭圆进行修正,精确定位瞳孔中心。实验结果表明,在眼睑遮挡、睫毛遮挡和白斑干扰的情况下,该方法可以准确定位,具有较好的鲁棒性和实时性。