摘要：针对汽车塑件内部缺陷检测精度不高、检测方法单一等亟需解决的问题,基于多源信息融合与深度学习神经网络等技术,探究高鲁棒性、稳定性、精确性的检测模型,旨在为汽车塑件批量无损检测提供理论基础和技术支持。通过超声波探伤、激光光斑测量、紫外线探伤、智能电参数测量和红外热成像等无损检测方法,试验样本经异质信息采集、预处理以及多特征变量提取,根据检测要求,用于定量/定性神经网络模型构建。再以样本训练、规则判别、深度学习和模型类比,选取最优模型用于试验样本内部缺陷预测和品级分析,以求得所设计的“深度学习”神经网络模型与检测方法具有通用性,可进一步用于汽车铸件、冲压件或焊接件等无损检测,为匹配智能装备研发提供研究基础。

摘要：C语言程序设计课程是电子信息类专业的基础课程之一,其课程知识点本身蕴含着大量的思政元素。本文就该课程的思政元素的提取、如何引入课程思政教学以及教学方式与手段进行教学实践探索,从而达到专业课程育人的效果。

摘要：为解决当前森林火灾检测存在的不便和成本高等问题,文章利用堪智K210嵌入式AI微控制器,设计了一种森林火灾烟雾识别系统。该系统利用已有的森林火灾烟雾和火焰图像数据集,采用YOLOv2-Tiny卷积神经网络,经过MaixHub在线Tensorflow深度学习开源框架得到训练模型文件,并将其部署到K210微控制器上。该系统通过OV2640摄像头拍摄图像,一旦图像包含烟雾及火焰形态,可在显示屏上进行识别。测试结果表明,该系统识别的FPS约为13~15帧,识别检测烟雾和火焰准确率分别可达91%和90%。