EmbeddedSystem

1.项目有哪些具体功能模块表面缺陷区域自动检测模块（无监督神经网络）缺陷类型分类与分级模块（深度神经网络分类器）数据采集与预处理模块缺陷标注与结果展示模块缺陷检测结果存储与报表分析模块系统接口与生产线联动模块2.项目的主要功能描述系统首先通过无监督学习的神经网络模型自动检测彩涂板表面的疑似缺陷区域，

VIN输入电压：9V12V15VIIN输入电流:3APIN输入功率:35-41W待机功耗:0.9W输入接口:四脚插板12+4P/TP-C/板上16P/3MD输入自适应:QCPD协议充电器等均可使用输出特性:5W:输入15.1V/0.88A,输出5.0V/1A效率60%10W:输入15V/1.25A,

基于高通SNPE的模型部署到色选机项目1.图像采集，利用camera设备采集2600张茶叶（640*640），并标注13中茶叶类别。2.数据增强，利用数据平移、缩放和仿射变换，扩充数据集。3.利用Yolov5算法进行模型训练。4.利用SNPE进行模型进行模型转换和量化，因为SNPEdsp不支持5D算

语音对话，角色定制，兼容小智系统，可直接使用小智服务器系统。未来会增加智能家居控制系统，利用红外线控制电视，空调等。可以定制外壳，作为商品销售。兼容乐鑫esp32开发板。

涉及到目标识别和数据库存储、rk3588开发板目标识别、语音识别、语音合成、数据库查询等。基于语音交互+rkllm大模型：数据查询延迟在2.5秒以内，资源占用率高；基于语音交互+正则匹配：数据查询2秒以内，资源占用率低。

是基于JetsonNano的系统开发，收集了大量的数据集，使用YOLOv11的卷积神经网络进行目标检测的学习，能够在复杂场景下红绿灯，交通标志，行人和车辆等。

1.解决口罩正确佩戴检测算法设计：使用 Pytorch 进行深度学习训练生成口 罩佩戴检测模型，利用 YOLOv5 进行口罩佩戴检测。 我们还在训练的过程中， 随机的往嘴巴部分粘贴一些其他物体的图片，从而避免模型认为只要露出嘴巴的 就是没戴口罩，没露出嘴巴的就是带口罩这个问题，增加一个不规范佩戴口罩类。 通过对画面 Blob 处理，降低了光照变化对检测的影响。 2.解决巡检机器人自动寻路的功能设计：使用超声波传感器和红外避障传感 器， 通过目标距离和朝向检测算法，设计智能避障算法，并使用蚁群算法计算最 优路径并配合避障算法实时纠错，实现智能巡检。 3.解决戴口罩下人脸信息识别：通过人脸检测技术，能检测出 68 个人脸特 征点，可是当需要检测的人脸出现遮挡物的时候，会影响人脸的检测，导致无法 获得画面中的人脸信息。 4.解决Web端可视化监控的功能设计：利用ESP32模块把检测结果通过WIFI 传输到服务器后台，使用 Django 将数据传输到 Web 端，实现可视化监控。 5.解决口罩统一回收消杀的问题：设计口罩回收仓，能通过一个狭长的口罩 回收口将废弃口罩放入回收仓内，通过红外传感器识别到口罩放入，会立即启动 消杀作业，对回收仓内的废弃口罩进行消杀。

项目使用YOLO5s模型，转为TensorRT模型，使用C++编程，经过Int8量化、CUDA预处理、多线程，在1060 卡上可以跑到200多FPS（720P）， 部署在docker或Jetson 系列上，可实现RTMP推流