项目终于结束了

今天项目终于验收完毕了,好开心。先上一张机器图:

左边中间位置是我们的做的测试系统,核心是 MSP430F5529 MCU,加上一些外设系统就有了。这台机器是用来做桑蚕丝质量检测的,我们的测试系统作用就是通过十五路霍尔信号来获取机器测得的数据,外加工人手工输入的一些配置信息,比如检验编号,还有其他实时数据,最终把这些信息处理一下保存起来,并能够按照约定的格式使用 485 通信把数据上传到上位机上,上位机有数据库,会统计下很多机器采集来的数据,之后再往上级传输。

项目是一个研三(现在)的学长去年这时候开始谈的,后来在去年七月份拉我还有另一个大四学长入伙,我和研究生学长负责软件,大四学长负责硬件。中间由于各自有各自的事情,对委托方的要求不是很明确,所以开始做的时候走了一些弯路。因为我们的工作是对原来的测试系统进行升级,所以开始时就是拿一个他们换下的设备做模拟,据此来写程序,而没有考虑真实的使用情况。所以刚开始的时候程序写出来自己感觉好像可以了,但是到那边一测试就被发现各种各样的问题,他们也是经常说到:“哎呀这个 xx 功能你们怎么没有啊?原来的设备是有的呀。”学长就说:“这个我也不知道,你们怎么不早说 -  -。”还有一个问题是硬件平台,因为软件是运行在硬件上的,开始时候硬件也是全部自己找的,和以前的设备基本完全不同,也没有多少参考的地方,只是去模仿功能再找相应的芯片、模块。由于硬件的改动耗时会很多,所以有时候就是硬件出了问题我们写软件的要等到做硬件的同学有时间了把板子画好,再打板打出来,周期超长。还有去那边测试也是需要在他们上班我们没课的时候,所以不知不觉就拖慢了进度。

坐高铁去那边测试应该有快十次了感觉,因为是写软件的,所以我每次都要去 - -。开始时候很多驱动是我写的,但是后来因为电子设计比赛的事情,没有时间,所以程序的框架就是由学长来写的,学长以前也没有写过大的系统,所以感觉实现上有些笨拙,不过之后也一直没有推倒重来的勇气和时间,所有就一直这样走下来了,最后改来改去也就习惯了。后面的时候由于研究生学长要找工作、写论文,所以改程序的任务就落到了我头上。去熟悉框架也花了不少的时间。

弄啊弄,直到了前天又要去那边调程序,这次只有我一个人了,两个学长一个在实习,一个去大西北玩了。那天想着不能再拖了,过几天还要有阿里的面试。索性直接就给那边打电话说第二天要去,那天晚上一直在写其他的程序,那个程序也没有调,好在修改的思路已经有了。第二天起了一个大早,好好准备了下,就过去了,过去那边以后人少,自己直接和那边交流,不用经过学长,现象也是自己观察,调的倒是很顺利。那天是周五,晚上在那边找了一家酒店住下了,那边的主任还有师傅周六要加班来真实测试和验收,我就留下来准备当场改程序,前一天已经可以让程序通过他们的暴力测试了,所以第二天的实际测试也没有什么问题,看着他们在验收报告上写的一条条功能正常真是开心。最后被那个师傅送到了公交站,然后回学校啦。

到了这里心中的石头终于落了下来,我可以安心去做自己的事情了。这次的项目虽然不是特别感兴趣,但是也有很多的收获,不只是技术上,还有处理事情的方法和态度上。之后继续加油,争取能更给力的完成任务。

感觉做项目找感兴趣的会好些,然后首要的是先把需求弄明白,不然后面会做太多无用功,还有就是应该找大家都有空的大块时间快速解决掉。


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值