摘要：为了提高生产车间产品质量检验状态标识管理的智能化,避免因工作人员失误而导致不同质量状态产品发生混淆和差错,实现不同质量状态产品严格分区存放,防止产品质量事故的发生。针对产品的质量检验状态设计了4种标识符,分别为“待检”、“合格”、“待处理”以及“不合格”,并将GA-BP神经网络与机器视觉AGV相结合,通过训练好的GA-BP模型对AGV采集到的标识符图像进行分类识别,AGV根据识别结果来对产品进行搬运和分区存放。实验仿真结果表明,GA-BP模型能够快速准确地对这4种标识符进行分类与识别,平均识别率达到93.75%,且该模型具有较好的鲁棒性,为产品标识管理智能化提供了理论依据。

摘要：传统的蜂养殖大量依赖于人的现场监管,对蜂群状态、蜂箱内部的环境状况都需要进行实地考察和开箱检测,这种“入侵式”的监控方式不仅费时费力,并且存有安全风险。如何尽量减少养殖者的现场监管,在降低成本和安全风险的同时提高养殖效率,成为近几年蜂场进一步发展所面临的问题之一。为解决上述问题,借助Raspberry Pi及相关传感器和控制器,设计和搭建了一个物联网智能蜂箱系统。系统提供了手动和自动控制功能,能有效对蜂箱内环境进行远程监控,并具有响应时间短、可靠性高等优点,可以有效减少蜂养殖者的劳动强度并提高养殖效率。