文章詳細介紹了針對潤開鴻鴻銳開發(fā)板SCDAYU800A的OpenHarmony操作系統(tǒng)的移植適配過程。潤開鴻鴻銳開發(fā)板SCDAYU800A基于平頭哥高性能RISC-V架構曳影TH1520芯片，具備強大的AI算力和豐富的功能接口。通過對OpenHarmony的適配，實現(xiàn)了從產品定義、工具鏈適配到內核移植、驅動適配等關鍵環(huán)節(jié)的完整流程。并重點探討了RISC-V架構下針對標準系統(tǒng)Linux內核的移植以及觸摸屏驅動的開發(fā)，為基于RISC-V架構的嵌入式系統(tǒng)研究提供了實踐參考。
隨著大語言模型(LLM)及邊緣計算技術的發(fā)展，AI智能體(AI Agent)正逐步成為物聯(lián)網(IoT)系統(tǒng)中的核心調度與控制單元。文章設計并實現(xiàn)了一套以AI智能體為核心的人工智能物聯(lián)網(AIoT)系統(tǒng)架構，融合傳感器/執(zhí)行模塊、邊緣終端、本地/云端LLM推理引擎、云計算中心與n8n自動化平臺。系統(tǒng)采用模塊化設計，支持MCP調度架構與OPC UA、MQTT等協(xié)議通信，具備低延遲、高可擴展性和良好的工程可移植性。并重點介紹了系統(tǒng)構成、核心模塊設計，以智能家具為典型應用實例及部署實驗，展示其在各種AIoT行業(yè)應用場景下的實用性和開放性。
內窺鏡泛指經自然腔道或人工孔道進入體內，并對體內器官或結構進行直接觀察和對疾病進行診斷的醫(yī)療設備，一般由光學鏡頭、冷光源、光導纖維、圖像傳感器以及機械裝置等構成。文章介紹了一款基于兩片圖像傳感器和FPGA組成的微型3D內窺鏡方案，其可以三維成像，提供更好的空間顯示效果，已廣泛應用于外科微創(chuàng)手術中。
心理健康是社會普遍關注的問題，我國抑郁癥患者群體人數持續(xù)擴大，發(fā)病群體呈現(xiàn)年輕化趨勢，且高校學生群體占比持續(xù)升高，利用人工智能技術賦能高校心理健康工作刻不容緩。本文針對現(xiàn)有高校心理健康工作存在集中評測精度不足、隱患排查時效性差、傳統(tǒng)面談覆蓋面窄等問題，提出了基于多模態(tài)情感交互的學生心理健康支持系統(tǒng)。該系統(tǒng)依托校園行為大數據，構建學生異常情緒及行為監(jiān)測與預警機制；通過自主研發(fā)的大語言模型，實現(xiàn)學生情緒的動態(tài)識別與智能評估，并結合心理學理論，動態(tài)適配個性化疏導策略，支持多角色的情感陪伴與心理支持。系統(tǒng)在實際應用中表現(xiàn)出良好的效果，心理狀態(tài)評測準確率超過85%，顯著提升了心理服務的精準性與響應效率，為校園心理健康教育體系的智能化與科學化建設提供了有力的技術支撐。
Zephyr開源項目由Linux基金會維護，是一個針對資源受限的嵌入式設備優(yōu)化的小型、可縮放、多體系結構實時操作系統(tǒng)(RTOS)。近年來，Zephyr RTOS在嵌入式開發(fā)中的采用度逐步增加，支持的開發(fā)板和傳感器不斷增加，其廣泛的設備支持和高度的可擴展性吸引了開發(fā)者的關注。相比FreeRTOS等小型RTOS而言，教育生態(tài)不夠成熟的Zephyr系統(tǒng)規(guī)模更大，結構更復雜，這提高了開發(fā)者入門和精通的門檻。文章對Zephyr硬件抽象層和設備驅動的架構與實現(xiàn)進行系統(tǒng)性分析，重點闡述了設備驅動模型和設備樹的作用。為了展示基于Zephyr的嵌入式軟件開發(fā)，文章在BBC micro:bit V2開源硬件上構建樣例Zephyr設備驅動和應用程序，并做解釋和驗證。
本文介紹了一種集成了自研電解質傾角傳感器、無線模組(支持WiFi和4G)、溫濕度、電池電壓及振動監(jiān)測模塊的低功耗傾斜穩(wěn)固性形變監(jiān)測系統(tǒng)。該系統(tǒng)設計旨在通過高精度、低功耗的技術手段，實現(xiàn)對結構健康狀態(tài)的實時監(jiān)測與預警，特別適用于無法直接供電的遠程或野外環(huán)境。本文詳細闡述了系統(tǒng)的硬件構成、軟件平臺、核心優(yōu)勢以及在邊緣計算領域的應用潛力，為結構健康監(jiān)測領域提供了新的解決方案。
本文聚焦基于MCU平臺的物體檢測算法的討論，并提供了一套完整的工程實現(xiàn)示例：人臉追蹤風扇。工程不僅提供了一個高效的物體檢測算法，并且實現(xiàn)了一個自動追蹤人體的控制系統(tǒng)，控制雙路舵機轉動底座，實現(xiàn)了風扇一直跟隨人臉轉動。本文所提供的檢測控制系統(tǒng)也可以集成到監(jiān)控設備，智能家居，工業(yè)自動化領域等等。
在當今電氣系統(tǒng)和設備日益普及的背景下，電器故障和老化等因素引發(fā)的火災事故頻繁發(fā)生，嚴重威脅著人們的生命安全和財產?，F(xiàn)有的火災預警方案多數依賴于電氣參數與固定閾值的比較，存在響應速度慢、準確性不足等問題，無法有效應對復雜的電氣故障情況。為了解決這種問題，提出一種創(chuàng)新的電氣火災預警系統(tǒng)，基于長短期記憶網絡(LSTM)技術，結合高頻電氣參數循環(huán)神經網絡(HF-LSTM)和低頻電氣參數循環(huán)神經網絡(LF-LSTM)進行研究。HF-LSTM深入挖掘線路的溫升規(guī)律和超溫故障特性，而LF-LSTM則用于探索線路溫度變化的周期性模式。通過這兩種模型的結合，使系統(tǒng)能夠精確預測線路溫度，實現(xiàn)對電氣火災風險的早期識別和預警。該系統(tǒng)突破了傳統(tǒng)模式只依賴某幾個參量的數據特征對電氣火災危險性進行計算和研判，忽略了參量間的物理關聯(lián)，本文采用基于LSTM的動態(tài)閾值調整機制，增強了時間序列信息的連續(xù)性和相關性，從而提高了預警準確性和響應速度。系統(tǒng)還引入了預警分位的概念，實現(xiàn)了火災風險的定量評估和分級管理。硬件電路實時采集電流、電壓和溫度信息，并與物聯(lián)網平臺結合，實現(xiàn)實時監(jiān)控和自動響應。通過先進算法，系統(tǒng)提高了對微弱信號的識別能力，確保了早期風險感知和預防。實驗數據表明，該電氣火災預警系統(tǒng)在預測準確性和響應速度上均顯著優(yōu)于現(xiàn)有方案，能夠有效降低火災發(fā)生率，為保障生命和財產安全提供了高效可靠的解決方案。
由于傳統(tǒng)PID控制器面臨參數調整繁瑣、實時調適滯后、工況適應局限等挑戰(zhàn)，本研究提出了一種以人工蜂群算法(Artificial Bee Colony, ABC)為核心的BP神經網絡優(yōu)化策略。研究表明，ABC算法對蜜蜂覓食行為的模擬機制，顯著增強了BP神經網絡在參數空間中的探索能力，有效維持了粒子群的多樣性特征，構建起了高效的PID控制參數自適應調節(jié)框架，成功地克服了因參數失配而引發(fā)的控制效能遞減難題，確保了控制系統(tǒng)在復雜工況下的穩(wěn)定性與魯棒性，為提升控制系統(tǒng)整體性能提供了堅實保障與有力支撐。ABC算法在提升BP神經網絡性能上卓越可靠，為PID控制革新提供了依據與范式。
針對礦熱爐電極端部位置檢測精度低及開發(fā)過程中的復雜性問題，本文介紹了一種新型差動式磁場陣列檢測系統(tǒng)。該系統(tǒng)通過布置磁場傳感陣列，利用差動信號處理技術，有效消除了環(huán)境干擾和系統(tǒng)噪聲，提高了電極端部位置檢測的精度和可靠性。研究首先構建了礦熱爐磁場檢測模型，并基于畢奧–薩伐爾定律，分析了礦熱爐的爐外磁場分布。仿真驗證了差動式磁場陣列檢測方法的有效性。測試結果表明，該系統(tǒng)能夠在惡劣的工業(yè)環(huán)境中準確檢測電極端部位置，為礦熱爐的高效運行提供了有力支持。本研究為礦熱爐的工業(yè)參數檢測和控制提供了新的思路和技術支持。
智能時代的嵌入式系統(tǒng)離不開高性能、高效的軟件和先進的軟件開發(fā)方式。本文介紹了近期嵌入式軟件開發(fā)的三個趨勢：1)邊緣計算作為一種在本地處理和分析數據的方式正在快速發(fā)展，邊緣計算與人工智能的結合正將智能計算從以云為中心的模型中轉移出來；2) 虛擬化技術是今天高算力多核處理器計算系統(tǒng)采用的全新解決方案，容器技術則可通過簡化嵌入式軟件開發(fā)、部署和維護來助力復雜嵌入式系統(tǒng)的管理；3) DevOps的概念和實踐正在逐步滲透進入嵌入式軟件開發(fā)中，助力加快軟件交付速度，提高應用程序質量和穩(wěn)定性。
隨著人口老齡化程度加深，社會養(yǎng)老負擔加重，處理好全社會的養(yǎng)老問題十分重要。在全球范圍內，老人身體健康受到許多致命疾病的威脅。而獨居老人生活中缺少家人照顧，心理上缺少慰藉，導致患病率更高，同時發(fā)生意外也無法及時得到救助。面臨精神、健康、意外風險三重困境，因此，他們具有更大的健康風險。本文提出的系統(tǒng)基于云–邊–端架構實現(xiàn)，由云端服務器、感知控制和應用服務構成，實現(xiàn)了語音服務和老人應急服務，即老人有語音需求時可以及時提供相應服務，老人摔倒時可以給老人送藥并向前端發(fā)送照片和警報；前端交互模塊則由微信小程序實現(xiàn)，使家人能遠程關注家中老人的身體健康狀況。
介紹一種完全自主開發(fā)的體積小的基于MEMS無線數字地震檢波器。該檢波器主要包括以下幾個部分：MEMS傳感器板、放大采集板、FPGA控制主板、無線觸發(fā)接收板、無線WIFI模塊板和供電電源設計等。該傳感器的設計涉及多個關鍵技術點，包括微弱信號獲取、低功耗設計、總體結構的合理布置、高精度和高靈敏度、無線數據通訊以及無線觸發(fā)信號接收等。應對這些關鍵技術點，本設計首先對芯片和材料精挑細選、對電路和結構進行合理設計，滿足該檢波器各項技術指標。最后通過一系列的室內測試和野外試驗，驗證了該檢波器的各項功能和性能，為地震勘探提供高精度、高靈敏度、穩(wěn)定可靠的地震檢波器。
本研究旨在開發(fā)一種在資源受限的微控制器單元(MCU)上運行的方法，用以進行鼾聲檢測。不同于使用CNN進行聲音檢測的方式，我們采用門控循環(huán)單元(GRU)模型以對音頻數據進行處理和分析。通過采用優(yōu)化模型結構、模型量化等常用的模型優(yōu)化方式，我們最終成功將GRU模型適配到低功耗的MCU平臺，使其能夠在不依賴外部計算資源的情況下，獨立完成端側的鼾聲檢測任務，無需聯(lián)網。實驗結果表明，該模型在保持較高準確性的同時，能夠有效降低系統(tǒng)算力需求，滿足移動健康監(jiān)測設備的實時性與便攜性要求。這一研究為鼾癥患者的持續(xù)監(jiān)測和睡眠健康管理提供了一種新的解決方案，同時也拓展了深度學習在嵌入式系統(tǒng)中的應用前景。
