目录与摘要|人工智能与机器人研究 2023年8月12卷3期

01

摘要

正则稀疏优化模型及算法研究综述

作者：程克林：上海赫立智能机器有限公司，上海

摘要：稀疏优化在工业工程等实际问题中具有十分重要的作用。在过去的几十年里，很多实际问题可以归纳成正则稀疏优化模型并求解出欠定系统的稀疏解，因此其改进和算法设计得到广泛的研究。正则稀疏优化模型不仅可以将原问题降维，而且可以将不适定的问题转换为适定问题。关键问题是如何构造正则项，使得模型具有好的稀疏解的同时还有很好的泛化能力。本文，我们重点关注近30年来正则稀疏优化模型及算法的研究进展，总结归纳了最具代表性的几种正则稀疏优化模型及算法。最后，结合最新研究成果，针对损伤识别、故障诊断、超分辨率重建和电阻抗层析成像等实际问题，构造不同的新正则稀疏优化模型，并探讨其可以研究发展的方向以及更广阔的应用前景。

关键词：正则稀疏优化模型；算法；正则项；工业工程

（长按二维码阅读全文）

楼梯清洁机器人设计与研究 

作者: 许 婕, 廖鑫森, 黄景德*, 林文瀚, 吴晓昌：珠海科技学院机械工程学院，广东 珠海

摘要：传统扫地机器人无法完成对楼梯的清洁，而人工清洁楼梯费时费力且有一定的安全隐患。首先设计了楼梯清洁机器人总体结构，采用了履带与麦克纳姆轮结合来实现平地行走和楼梯攀爬，通过吸尘机构及各硬件驱动控制电路和控制程序，使得楼梯清洁机器人可以自主进行楼梯的逐阶清洁，实现一定的路径规划，并且能够避障和防跌落，极大程度地减轻人力负担；其次设计了楼梯清洁机器人的驱动机构、扫地机构及拖地机构等关键模块；最后研究了楼梯清洁机器人的驱动过程。楼梯清洁机器人作为一种实现半自主或自主清洁、环保以及智能型的机器人，具有良好的应用前景和广泛的市场需求。

关键词：楼梯清洁；机器人；机械机构；驱动系统；运动仿真

（长按二维码阅读全文）

大数据时代高职院校智慧校园规划建设研究

作者: 韩 冬：中国建筑科学研究院有限公司，北京

摘要: 在大数据时代，高职院校构建好智慧校园建设的顶层规划，既可以满足学生的学习需要，丰富教学活动与内容，还可以提升校园管理工作的质量，也可以推动校园管理工作向现代化、数字化、智慧化的方向发展。因此，文章对当前我国高等职业技术学院在大数据环境下如何规划智慧校园的有关问题进行了深入的探讨。本文在分析了规划建设原则与需求的基础上，提出了智慧校园的总体建设目标、一般功能设计与网络基础建设规划思路与措施，在高职院校智慧网络生态建设中具有一定的实践意义。

关键词: 高职院校建设；智慧校园规划；大数据技术应用

（长按二维码阅读全文）

基于目标识别与定位技术的机械手研究

作者: 于佳弘, 张骥祥, 张 军：天津职业技术师范大学，电子工程学院，天津

摘要: 针对生活场景中使用机械手进行物体抓取的操作，本文提出了基于Yolov5算法的多目标检测系统，此算法相较于低版本的Yolo算法及R-CNN算法具有计算量小、准确率高的特点。市面中多采用单目相机赋予机械手二维视觉模块，本文在单目相机的基础上，相较于双目相机在获取三维数据时成本高、受环境影响时特征点无法进行匹配易产生误差的问题，结合结构光模块，生成单目结构光系统，更好地赋予机械手获取物体的深度信息的能力，最终得到物体的世界坐标值。通过实验现象表明，获得的平均精度均值为96.5%，定位精度相较于双目系统更为精准，最终能够较好地满足机械手完成对于物体在三维空间中定位与抓取的需要。

关键词: Yolov5；目标识别；单目结构光；定位

（长按二维码阅读全文）

基于手势识别控制的两轮平衡小车研究

作者: 刘名扬, 陈 敏*, 吴志刚：江西理工大学，能源与机械工程学院，江西 南昌

摘要: 本文提出了一种基于手势控制的两轮平衡小车的控制系统设计和实现方案。首先研究了平衡小车的平衡学原理和机械结构，得到平衡小车系统传递函数，然后通过电机转动反馈回的速度，利用PID来控制平衡小车的倾倒角速度。根据设计思路及其原理设计了具有手势识别功能的平衡小车，在此基础上研究了姿态检测、手势识别，并进行了系统测试和优化。

关键词: 平衡小车；手势识别；IIC通信；PID

（长按二维码阅读全文）

基于 YOLO 的公共区域人群社交距离检测方法

作者: 陈 冰, 戴世亮, 叶彬雅：浙江工业大学之江学院，信息工程学院，浙江 绍兴

摘要: 针对人流密集的公共区域，本论文提出了一种基于YOLO模型的人群社交距离检测方法，旨在进行有效的人流控制和预防疫情传播。该方法首先利用YOLO模型对公共区域的视频进行行人检测，获取每个行人的位置关键点信息。接着，通过KD-tree算法检测每个行人的邻居行人，并估计它们之间的距离。根据预设的安全距离阈值，对行人的社交距离进行风险评估，包括危险、安全或需要注意的状态。为了更好地呈现结果，本文将危险状态标识为红色危险标识，安全状态标识为绿色安全标识，而中间状态则标识为紫色注意标识。实验结果表明，所提出的行人社交距离检测方法具有较高的实时性和准确性。 

关键词: YOLO模型；社交距离；目标检测；风险评估

（长按二维码阅读全文）

基于卷积神经网络的文本框识别算法在电力业务系统上的应用研究

作者: 刘翠媚, 吴毅良*, 郭凤婵, 罗序良, 陆庭辉：广东电网有限责任公司江门供电局，广东 江门

摘要: 针对在电力行业上业务办理终端信息录入效率低的问题，提出一种基于卷积神经网络(CNN)的文本框识别算法。采用Faster RCNN网络对文本框数据集进行训练与验证，结合OCR技术开发辅助录入系统。通过引入基于CNN的文本框识别算法，兼容不同系统的业务终端应用，在不改变原系统架构的情况下，提高了算法的适用性。实验结果表明，基于CNN的文本框识别算法应用于辅助录入系统上，相对于人工录入方式在信息录入速度与准确性有显著提升，在电力行业的业务办理终端上具有广泛应用前景。

关键词: 卷积神经网络；文本框识别；辅助录入；信息系统；人工智能

（长按二维码阅读全文）

基于 Transformer 的自然语言处理模型综述

作者: 赖鸣姝：北京印刷学院，信息工程学院，北京

摘要: 自然语言处理是计算机科学中深度学习领域的一个分支，旨在使计算机能够理解、解析或生成人类语言(包括文字、音频等)。本文主要介绍了自然语言处理(Natural Language Processing, NLP)中基于Transformer结构所衍生出的多种类型的模型。近年，随着深度学习技术的快速发展，自然语言处理模型的性能也得到了极大的提升，更多的自然语言处理任务得到了更好的解决。这些进展主要得益于神经网络模型的不断发展。本文讲解了当前最为流行的基于Transformer的几类自然语言处理模型，包括BERT (Bidirectional Encoder Representations from Transformers)系列、GPT (Generative Pre-trained Transformer)系列和T5系列等。主要介绍了上述系列的模型各自的发展变化以及其在模型结构，设计思路等方面的区别与联系。同时，对于自然语言处理领域未来的发展方向进行了展望。

关键词: 人工智能；深度学习；自然语言处理

（长按二维码阅读全文）

智能微纳卫星集群自主协同控制技术的研究

作者: 肖金平, 王 颖, 罗孙梅, 谢 毅, 刘富强：南昌航空大学通航(民航)学院，江西 南昌

摘要: 随着人们对空间领域的不断探究及应用，航天器在轨资源受限、单星作业能力受限、空间环境复杂等问题日益显著，研究智能微纳卫星集群自主协同控制技术成为解决这些问题的有效途径。该研究将突破自主协同完成复杂任务、学习经验数据提升系统性能、自主认知应对复杂环境等关键技术，促进微纳卫星集群的整体效能最大化，使卫星集群具备自主感知、推理、执行、演化等类人行为属性。为此，必须在梳理国内外对智能微纳卫星相关研究的基础上，整理出智能微纳卫星集群自主协同控制的概念内涵，分析出集群智能信息交互与通信、集群自主协同任务规划与决策、集群构型建立维持与重构技术、智能健康预测与管理四大关键技术的研究现状及发展趋势，以期为智能微纳卫星在轨应用的相关技术突破带来一定的借鉴作用。

关键词: 智能微纳卫星；自主协同控制；智能信息交互与通信；自主认知与决策；集群构型建立维持与重构技术；智能健康预测与管理

（长按二维码阅读全文）

基于支持向量机分类算法的齿轮箱故障诊断

作者: 时天祥*：南昌航空大学软件学院，江西 南昌；王先帅：安徽工程大学人工智能学院，安徽 芜湖；罗孙梅, 肖金平：南昌航空大学通航(民航)学院，江西 南昌；张 泳：南昌航空大学飞行器工程学院，江西 南昌

摘要: 针对现有齿轮箱故障评价需要研究设备机理造成的效率底下，功能性不强的问题，提出了基于支持向量机分类算法的齿轮箱故障诊断方法。首先，对传感器收集到的振动信号数据进行分析，提取相关特征。然后，绘制不同传感器在不同状态下的振动信号时间序列函数，并对这些函数的特征进行了简要分析。其次，对数据提取了平均值，方差这两个用以描述振动数据的总体趋势的特征变量，以及峰度，偏度这两个对判断齿轮箱齿轮故障有着重要作用的特征变量，并利用MATLAB、SPSSPRO对每一组数据进行了特征数据计算。最后，利用孤立森林、朴素贝叶斯、支持向量机三种分类算法，分别对数据集进行模型求解，然后通过对比三个算法结果中的准确率、召回率和测试集、训练集之间拟合程度，得到支持向量机分类算法针对齿轮箱的故障检测最优。

关键词: 齿轮箱；故障诊断；孤立森林；朴素贝叶斯；支持向量机

（长按二维码阅读全文）

基于 YOLOv8 的交通信号灯识别 

作者: 赵恩兴：宿州学院，信息工程学院，安徽 宿州；王 超：宿州学院，信息工程学院，安徽 宿州；同济大学，电子与信息工程学院，上海

摘要: 交通信号灯的识别对于辅助驾驶系统是至关重要的，它可以帮助减少事故和提高行车安全。本文提出了基于YOLOv8的交通信号灯标志识别方法，该方法包括数据集的构建、模型的训练、自然场景测试三个主要部分。首先，通过网络公开的交通信号灯数据集进行标注，使用YOLOv8算法框架对数据集进行训练，得出最优模型。最后，在真实道路场景中对训练好的模型进行了测试，得到了较为准确的结果。通过实验对比，我们发现YOLOv8训练后的模型性能优异，在保证精度的情况下提高检测速度，还可以解决目标部分遮挡和小尺寸目标检测等问题，从而提高了识别的准确性和效率。在辅助驾驶系统中应用该方法可以更加精确地判断箭头指向性信号灯和全屏型信号灯，帮助提高车辆在路面上的运动安全性和稳定性。目前的大多方法仅仅针对于交通信号灯的颜色以及整体交通信号灯位置进行判断识别，本文会更细化交通灯上各式各样的方向标志颜色做出分类识别，通过YOLOv8算法在减少参数的情况下还能够大幅度减少计算资源，通过实验结果表明，迭代200轮后的模型mAP50-95便达到了82.6%，FPS达到了27.2帧/毫秒。

关键词: YOLOv8；交通信号灯；模型训练；目标检测

（长按二维码阅读全文）