条纹计数法的分辨率精度，而常用的高级外部差调频校准法（如相位差生成载波法，线性调频法），在光源调频过程中伴生有幅度调制和调制调制系统复杂。
提出了一种基于双光纤光路相位偏移的法布里-珀罗（FP）位移传感器，原理上省去了光源调频过程，在提高检测精度的同时，成本与条纹计数法相当。
位移测量实验结果表明，该传感器在0〜500μm的测量范围内，线性度为1.1％，误差界限为±3μm。
提出了一种基于双光纤光路相位偏移的法布里-珀罗（FP）位移传感器，原理上省去了光源调频过程，在提高检测精度的同时，成本与条纹计数法相当。
位移测量实验结果表明，该传感器在0〜500μm的测量范围内，线性度为1.1％，误差界限为±3μm。
2024/9/16 14:17:35
605KB
1
手势端：采用CC3220S作为控制核心，主要采集BMA222以及MPU6050的数据。
运用了加速度以及陀螺仪的角度计算算法，之后进行了卡尔曼滤波处理，得到了较为精确的角度制（X轴，Y轴，Z轴）。
在对滤波处理之后的值进行了范围转换，转换成-90°到90°，方便发送。
其中Z轴数据需要地磁计校准，MPU6050无地磁计，所以舍去Z轴的数据。
串口发送方面采用了简单的数据封装算法处理，将数字值转换成字符串在进行打包发送，防止数据丢失。
机械臂端：采用LPC54608作为控制核心。
主要负责解析串口发送的数据，并控制舵机的运动。
将串口的数据并进行解析，当数据出错时时会自动舍去的，然后转换成数字值，再根据每个舵机的动作范围，进行方为运动算法的处理。
最后进行了消抖算法的处理，防止手的抖动造成机械臂的的连续抖动。
液晶显示串口接收到的数据，显示采用了emwin库，实现起来更加简单。
运用了加速度以及陀螺仪的角度计算算法，之后进行了卡尔曼滤波处理，得到了较为精确的角度制（X轴，Y轴，Z轴）。
在对滤波处理之后的值进行了范围转换，转换成-90°到90°，方便发送。
其中Z轴数据需要地磁计校准，MPU6050无地磁计，所以舍去Z轴的数据。
串口发送方面采用了简单的数据封装算法处理，将数字值转换成字符串在进行打包发送，防止数据丢失。
机械臂端：采用LPC54608作为控制核心。
主要负责解析串口发送的数据，并控制舵机的运动。
将串口的数据并进行解析，当数据出错时时会自动舍去的，然后转换成数字值，再根据每个舵机的动作范围，进行方为运动算法的处理。
最后进行了消抖算法的处理，防止手的抖动造成机械臂的的连续抖动。
液晶显示串口接收到的数据，显示采用了emwin库，实现起来更加简单。
2024/9/15 4:42:25
22.01MB
1
量块支撑与安装方式对坐标测量机尺寸测量示值误差的影响已经越来越引起重视，尤其对于线性测量精度为0.6μm+1000/L以上的计量型坐标测量机量块安装姿态对校准结果的影响不可忽略。
利用单频激光干涉仪作为测量仪，通过专用变形量测量系统，测量量块在不同姿态下支撑位置对量块中心长度的影响。
提出利用多点支撑法，减小量块长度变化量的测试方案。
实验结果表明，采用多点支撑法测得量块最大变形量为+0.21μm，并根据对坐标测量机尺寸测量示值误差测量结果不确定度分析，重新计算其标准不确定度为0.75μm。
利用单频激光干涉仪作为测量仪，通过专用变形量测量系统，测量量块在不同姿态下支撑位置对量块中心长度的影响。
提出利用多点支撑法，减小量块长度变化量的测试方案。
实验结果表明，采用多点支撑法测得量块最大变形量为+0.21μm，并根据对坐标测量机尺寸测量示值误差测量结果不确定度分析，重新计算其标准不确定度为0.75μm。
2024/8/11 5:23:22
1.42MB
1
遮罩评分R-CNN（MSR-CNN），，，。
CVPR2019口头论文，该项目基于。
介绍包含一个网络模块，用于了解预测的实例遮罩的质量。
所提出的网络块将实例特征和相应的预测掩码一起使用以对掩码IoU进行回归。
遮罩评分策略可在COCOAP评估过程中优先考虑更准确的遮罩预测，从而校准遮罩质量和遮罩得分之间的偏差，并提高实例分割性能。
通过对COCO数据集的广泛评估，MaskScoringR-CNN通过不同的模型和不同的框架带来一致且显着的收益。
MSR-CNN的网络如下：安装检查以获取安装说明。
准备数据mkdir-pdatasets/cocoln-s/path_to_coco_dataset/annotationsdatasets/coco/annotationsln-s/path_to_coco_dataset/trai
CVPR2019口头论文，该项目基于。
介绍包含一个网络模块，用于了解预测的实例遮罩的质量。
所提出的网络块将实例特征和相应的预测掩码一起使用以对掩码IoU进行回归。
遮罩评分策略可在COCOAP评估过程中优先考虑更准确的遮罩预测，从而校准遮罩质量和遮罩得分之间的偏差，并提高实例分割性能。
通过对COCO数据集的广泛评估，MaskScoringR-CNN通过不同的模型和不同的框架带来一致且显着的收益。
MSR-CNN的网络如下：安装检查以获取安装说明。
准备数据mkdir-pdatasets/cocoln-s/path_to_coco_dataset/annotationsdatasets/coco/annotationsln-s/path_to_coco_dataset/trai
2024/7/13 21:17:27
1.59MB
1
ATT7022示例程序（转的，一切从简，绝对好用）默认分类2010-10-1302:27:22阅读455评论1字号：大中小订阅.这是匆忙中写的，但是好用，而且读出来的数据十分准确，硬件是鹤仙人搭的，我负责程序，atmega16，iccavr编译环境，密码是应付公事儿的，eeprom也是，主要是希望SPI通信模块与校准模块可以给您带来帮助，在这里共享了！代码不是很优化，新手，时间紧迫，请原谅。
2024/6/12 22:16:50
71KB
1
如今，水资源管理已成为世界的重大利益。
然而，研究区域现有的水文气候历史数据的缺失或质量较差，有时使水文研究变得困难。
通常，设计概念雨流模型的目的是通过校正间隙和预测流量来带来适当的答案。
位于Cavally河上的Ity站的历史水文气候数据包含必须弥补的空白。
本研究旨在通过人工神经网络建立降雨径流模型，以填补卡夫里河流域伊特水文站流量数据系列的空白。
利用流量蒸散数据建立了具有两个条目（每月平均降雨量和蒸散量）和出口（流量）的前馈的多层感知器。
神经网络模型的各种体系结构的性能标准的比较表明，体系结构2-3-1给出了最佳结果。
该架构为校准提供了75.79％的Nash系数和95.64％的相关线性系数，为验证提供了73.32％的Nash系数和98.33％的相关线性系数。
模拟流量与观测流量之间的相关性很强。
校正和验证的相关系数分别为83.89％和83.08％。
然而，研究区域现有的水文气候历史数据的缺失或质量较差，有时使水文研究变得困难。
通常，设计概念雨流模型的目的是通过校正间隙和预测流量来带来适当的答案。
位于Cavally河上的Ity站的历史水文气候数据包含必须弥补的空白。
本研究旨在通过人工神经网络建立降雨径流模型，以填补卡夫里河流域伊特水文站流量数据系列的空白。
利用流量蒸散数据建立了具有两个条目（每月平均降雨量和蒸散量）和出口（流量）的前馈的多层感知器。
神经网络模型的各种体系结构的性能标准的比较表明，体系结构2-3-1给出了最佳结果。
该架构为校准提供了75.79％的Nash系数和95.64％的相关线性系数，为验证提供了73.32％的Nash系数和98.33％的相关线性系数。
模拟流量与观测流量之间的相关性很强。
校正和验证的相关系数分别为83.89％和83.08％。
2.67MB
1
STM8S单片机制作的测量电压和电流的双表头。
电压和电流均是通过3位数码管显示。
此工程文件是在IAR环境下编译通过，下载后可以直接修改编译。
电压测量校准比较简单，只调整电位器就能达到不错的精度。
不过我还是用软件作了多区间线形校正。
10V以下精度＜1%，10V以上精度＜0.5%电流校正没有分区间，精度基本做到＜1%。
电压和电流均是通过3位数码管显示。
此工程文件是在IAR环境下编译通过，下载后可以直接修改编译。
电压测量校准比较简单，只调整电位器就能达到不错的精度。
不过我还是用软件作了多区间线形校正。
10V以下精度＜1%，10V以上精度＜0.5%电流校正没有分区间，精度基本做到＜1%。
2024/5/29 15:51:34
1.33MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB