人工智能 硬件 软件定制 案例

项目描述： 本项目旨在开发一套自动化垃圾分类系统，通过结合树莓派5、STM32、摄像头等硬件，实现对垃圾的实时识别与分类。 关键技术与工具： • 硬件平台： 树莓派5、STM32、摄像头、二自由度舵机、超声波传感器等 • 软件平台： yolo11、deepsort、OpenCV、Python、stm32 • 功能模块： 舵机控制、垃圾分类识别、满载检测

本项目实现了一套基于FPGA的多频调制激光测距系统，主要用于中远距离高精度测量场景（10m~3000m）。系统采用三频调制方案（150MHz、1.5MHz、50kHz），结合相位测距原理，实现高精度与大范围兼顾。 在系统设计中，通过FPGA生成多路调制信号驱动激光发射模块，同时接收光电探测器返回的TTL信号。利用高速时钟对参考信号与回波信号进行时间同步采样，通过相位差计算获取距离信息。 核心功能包括： 多频信号生成（基于PLL倍频与分频） 回波信号采样与同步处理 相位差测量（基于时间戳/边沿检测） 多频融合算法消除测距模糊 输出毫米级精度的距离结果 该方案相比单频测距，有效解决了相位模糊问题，实现“长距离+高精度”的统一，适用于激光雷达、工业测距、无人设备等场景。

车载智能终端是出行大数据云平台的数据采集前端，主要面向城市公共交通，支撑运营监控、调度、客流分析等业务。 用于实现车载智能视频分析，通过AI算法模型在端侧对实时视频进行分析处理，用于采集客流量、司机疲劳驾驶等等, 从而实现给业务侧提供精准数据支撑。主要用于公交车、大巴车等场景，也可以扩展应用到各类视频分析的其他场景。

该产品面向政府监管、物业、维保、保险、业主等多元主体，形成覆盖电梯全生命周期的应用生态。 该产品集成加速度传感器、气压传感器、陀螺仪、AI 图像与声音识别等，对轿厢、井道等全链路运行状态进行采集，并传送至电梯全生命周期云平台，实现大数据边缘计算。对紧急事件进行快速处理，包括困人、异常运行、故障等场景的实时报警与推送。

本项目为牛肚村雪菜体验园定制了AI实时交互数字人一体机。系统基于FastGPT知识库构建，内置雪菜园及老港镇专属资料，回答准确率超95%。功能涵盖75寸/65寸高清竖屏展示、实时语音对话、口型同步驱动及摄像头互动。数字人作为智能导游，为游客提供展馆引导、政策讲解及趣味互动，显著提升了乡村旅游景点的科技感与服务效率。

在这个项目中，我们三人一组，主要实现的功能是利用Vivado软件操作平台在ZedBoard-zynq-7000c484开发板平台上实现卷积神经网络算法优化的目标。 通过上述优化，在相同硬件资源条件下，最终实现的运算速度比传统计算快183倍，比硬件优化方法快20%。这个项目获得了全国集成电路创新创业大赛二等奖。 我们的总体设计方法是这样的，首先在 C++平台上实现卷积核算法和反卷积算法，然后通过 vivado HLS 仿真进行总线带宽、pipeline、内部缓存、计算单元等方面硬件的优化，仿真波形和实际相符后，生成相应的 IP 核，vivado 导入 IP 核和 zynq7000 进行实物仿真，经过验证正确后烧入 fpga。图像从电脑端通过串口输入开发板，由于片内缓存不足以一次性存储1024个channel的150*150的图像，所以采用动态缓存的办法，Zynq 边对图像进行卷积处理，边从特征 cache 读取图像数据，一个 channel 处理完成后立即输出至 SDSDRAM（输出数据量较小），并空出相应的缓存资源供后续 channel的图像使用。我们将开发板的 8 个 LED 设置为输出结果，板上运行时，可通过 LED判断输出波形。

实现了机器人机械爪抓取和放置物体的demo。实现了物体的自动识别与机械臂的运动规划，实现了机器人的即时导航与定位功能。在仿真平台上实现了机械爪的抓取和放置，并实现了人机协同。最终的机器人既可独立完成抓取任务，也可以在人工辅助下完成抓取任务。

首先，利用MATLAB实现了传统的AOA室内定位方法。然后，利用Python及TensorFlow训练神经网络并利用神经网络预测AOA。神经网络的预测结果比传统AOA方式更加准确。最后，利用集成学习将传统AOA定位方式与神经网络融合，进一步提高了准确度。（提升了10cm左右）。

1、随着机器人行业的发展，各种形态的机器人层出不穷，其中以轮式底盘为载体的机器人需求拥有广阔市场，比如有室内服务机器人、户外专业作业机器人（清洁、巡检等），这类机器人需要在不同的地面转移，在室内不能伤地板，在户外又需要具有一定的越野性能。 2、遥控模式下，软件需要解析无线接收数据（无线指令）；自动模式下需要解析顶层应用指令数据（有线指令）；基于指令内容转换为驱动轮式底盘外设的驱动；同时需要实时采集状态信息，反馈至顶层应用及远端UI；在底盘行进过程需要基于传感器信息做出调速、调平、避障、预警等动作。 3、遥控模式下，用户通过操作遥控器向机器人发送指令，底盘收到无线数据首先软件对数据进行接收、校验、指令功能解析，基于指令驱动电机执行相应动作；自动模式下，底盘收到顶层应用通过有线通信方式发来的指令，同样需要校验、指令功能解析和驱动转换；行进过程对两侧车轮进行调速，同时基于陀螺仪进行整机调平；另外基于测距传感器进行避障、预警等操作；实时反馈状态信息。

为实现疫区的人员生存及救援，需要有一款安全且完善的的控制系统对方舱进行出入进行控制、内部气压建立控制等，相关功能通过多个部件所组成的系统进行实现，其中控制器是核心。为保障可靠性，使用1OO2架构，并且进行异构化，采用不同的芯片实现相同的功能，通信也通信提供冗余，使用两路CAN与其他部件进行通信。

公司战略计划参与控制产品更高层面的竞争，需要严格按照功能安全的规范设计产品，并要通过具有国际影响力的德国莱茵SIL3认证。 负责该控制器的架构设计，并负责基于IEC62061进行莱茵（TUV）的SIL3认证，已经获证，为进入多个大型项目提供了资质保证。

轮式移动机器人自主导航模组 我们致力于研发一套高性能、一体化的轮式移动机器人自主导航模组。本模组旨在为各类室内商用及轻工业场景下的移动机器人，提供稳定、智能的“自动驾驶”核心能力，彻底解决其在平坦路面上的行动难题。 在功能层面，本模组实现了自主导航的全流程闭环。首先，依托先进的激光雷达（LiDAR）与SLAM（即时定位与地图构建）技术，机器人能够快速、精准地构建厘米级精度的环境地图，并实现开机即用的快速部署。其次，在已知地图的基础上，我们的智能路径规划引擎不仅能计算出从A点到B点的最优全局路径，更能结合实时传感器数据进行局部动态避障，灵活绕开临时出现的行人、障碍物，确保行进过程顺畅安全。最后，通过多传感器融合定位算法，机器人能够在复杂环境中维持高精度的自身定位，消除运行过程中的里程累积误差，从而实现稳定、可靠的定点巡航与循迹导航。 本模组作为即插即用的标准化解决方案，可广泛应用于无人搬运、物料配送、安防巡检、商用服务及科研教育等多个领域，极大地降低了机器人厂商的研发门槛与周期，是赋能移动机器人智能化升级的核心驱动力。

业务：实现一体化智能垃圾识别系统+云平台监管模式，实现远程监管控制智能垃圾分类设备，通过AI识别算法，分拣标记生活小区居民是否按规定进行垃圾分类，运用运营策略+科学数据支持决策，引导居民提高生活垃圾分类的能力。 功能介绍： 1.硬件部分：不同类型的智能垃圾分类设备，支持按项目定制硬件功能，主要包含：易腐垃圾AI识别能力、自动报警能力、自动称重能力、满桶预警、定时开关、远程操控、设备自检等。 2.软件部分：一个平台，主要分为：权限管理系统、设备管理系统、运营管理系统、统计分析系统、数智驾驶舱系统。 2.1 权限管理，实现RABC权限控制，实现数据隔离，支持为不同租户设定权限分组。 2.2 设备管理系统，管理所有的智能垃圾分类设备，实现IOT远程控制（远程开机、配置下发、桶配置、人脸下发、卡号下发）、监控设置（绑定定位摄像头、在线观看、识别区域在线绘制）。 2.3 运营管理系统，主要有基础设置（小区、点位、IC卡、居民人脸信息、房号）,运营设置（项目管理、员工管理、投票管理）、宣传管理（任务分配、宣传记录）、投放数据（投放记录、投放记录审核、违规记录、回收记录）、积分管理（自定义积分规则、积分记录、兑换物品管理）、考核管理、监控管理、运营工具。 2.4 统计分析系统：主要有数据统计、数据分析、运营考核、运营分析报告。 2.5 驾驶舱：户数统计、四分类分布、减碳量、参与率排行、易腐垃圾准确率排行。

升至高压击穿空气，产生电弧，装置点燃炸药，降落伞瞬间抛出，即可回收事故机来检查故障，又防止下落速度太快，人员无法躲避，安装在直升机螺旋桨的主轴中央，不随主轴一起旋转，主轴为中空定制。

5V供电，PWM输出，两路K型热电偶温度采集，将两路数据合成一路，用于无人机测试水温及发动机缸温，温度60摄氏度左右起飞，起飞后温度能维持在80度左右，防止温度过高。无人机产品具有体积小，重量轻的特点，可靠运行，适合无人机搭载。

项目采用Keil mdk编译环境，语言为C, 项目功能为： 1，通过RS232或485接口与环保相关的采集器，传感器相连，如烟气压力传感器，烟气温度传感器等，有主动接收和被动接收，将接收到的数据进行解析，然后按照固定格式重新进行编码，用以实现不同的协议，统一的输出，每个协议都有不同的编号。

机械结构设计：项目的核心工作之一是管道机器人的机械结构设计，主要通过Solidworks软件进行建模与设计，确保机器人在复杂管道环境中的灵活性与稳定性。 磁力与物体厚度研究：深入研究永磁体的磁力与待测物体厚度之间的关系，并利用仿真软件Ansys进行模拟与对比，为机器人的缺陷检测提供科学依据。 硬件与软件开发：负责机器人硬件电路设计及软件编程控制。硬件部分采用STM32芯片作为控制核心，并结合陀螺仪、Zigbee等传感器进行数据采集与控制。软件部分则负责机器人各项运动与检测功能的协调。

将车上物品送到指定编码位置，可以实现在长廊多十字路口的路况下自动循迹避障前进，在路口停车等待识别编码，编码不符合目标编码则继续前进，符合则拐弯进入符合侧的路况继续循迹前进，到达指定位置停车等待卸货，检测到卸货完成，原地掉头后原路返回

EdgeGuard：边缘设备上的轻量级人类检测系统 EdgeGuard 是一个面向嵌入式边缘计算平台（如 NVIDIA Jetson Nano）开发的智能监控解决方案，旨在在资源受限的设备上实现高效且低功耗的人体检测与告警。项目采用轻量级深度学习模型（如 YOLOv5-Nano / MobileNet-SSD），配合 OpenCV 和 PyTorch 框架进行实时视频流处理。系统具备目标检测、区域触发、行为识别等基本功能，并支持容器化部署（Docker），以便在仿真环境中快速测试和迭代。 我负责算法选型、模型训练与裁剪、推理优化（TensorRT）、Docker 仿真部署、以及功耗评估与测试等核心工作。项目特别强调边缘端实时性与部署稳定性，适用于工厂安全监控、无人值守区域管理等场景。

本系统采用 OpenMV 作为视觉传感器，利用其内置的图像处理能力，实施对场景中 网球的实时检测与识别。为了实现机器人的自主移动，本研究设计了一套基于微控制器 的驱动电路和运动控制算法。通过调整机器人的运动参数，如轮速和转向角度，以及PID 算法来控制小车按照理想的方向移动。本系统采用机械臂拾取网球。机械臂采用了多关 节结构，具备较高的灵活性和稳定性。通过对机械臂运动学和动力学的分析，开发了一 套精确的控制策略，确保机械臂能够平滑且准确地完成抓取动作。最后通过蓝牙通信模 块与用户的智能终端设备连接，用户可以接收到小车的状态信息，例如小车完成拾取后 会发送结束信息。