OpenCV激光投影虚拟键盘 基于激光投影技术的虚拟键盘设计基于OpenCV，结合硬件识别，检测手指位置，然后映射到键盘，以实现相应的KeyPress。 如何工作？ 如何工作？ 在红外激光的底部从一个红外范围内的覆盖空间的表面发射出红外线，当然这个平面可以覆盖整个键盘，键盘在键盘中央是投影轮廓形状的键盘，主要用于标定时，在实时摄像头顶部的图形外部并将数据传递到计算机，因为激光是水平和平行的，因此没有物体遮挡摄像头无法检测到红外信号，但是如果在红外激光区域，当被遮挡物的表面被红外摄像机覆盖时，将检测到红外信号，经过一定的算法后，计算机访问摄像机发送的信号，以获取红外点图片中的坐标，然后将坐标映射到真实的键盘位置，以实现其功能。 硬件 1.选择相机镜头 同一区域的检测摄像机，“ Camera2”为视角150°，高度为“ h2”，“ Camera1”为视角90°，高度为“ h1”，以缩小项目

井下通信系统作为煤矿安全生产的3条生命线之一,越来越多的生产数据都将以此为承载,因此,建设矿用无线通信系统是保证煤矿安全生产的必要手段。分析了现有的无线通信技术,提出了基于4G通信技术的TD-LTE矿用无线通信系统建设方案,该系统严格遵循煤矿井下安全避险"六大系统"中的通信联络系统建设规范,以电信级TD-LTE无线通信设备为基础,进行了针对专网应用的优化,专设了专网独立应用的调度平台,并涵盖了中继、交换、无线、有线、会议、集群、定位、视频、系统设备管理等子系统,可极大提升企业生产管理水平,有助于企业的网络信息建设。

【目的】采用机器视觉技术，针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究。【方法】在不同的颜色特征空间模型，预处理原始图像，采用最大类间方差法分割目标区域；采用数学形态学方法去除二值图像中部分果梗及噪声点，获得最佳二值图像；基于二值图像，分析获取单粒葡萄的几何特征；最后，分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径，采用二次判别分析法对单粒葡萄的质量和果径进行分级。【结果】利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径，预测决定系数达到0.98和0.945；基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级，准确率超过85%。【结论】机器视觉技术能够较准确预测单粒葡萄的质量和果径，并能对质量和果径进行分级。

基于物联网技术的酒店智能照明系统研究最终版.pdf

介绍了手机用户画像中对隐私保护的方法，通过数据示例了大数据技术的手机用户画像与征信的应用

TIP3000智能变电站综合监控系统以物联网为核心技术，通过监测、预警和控制三种手段，对全站主要电气设备、关键设备、安装地点以及周围环境进行全天候状态监视和智能控制，完成各子系统的信息集成,实现集中管理和集成联动，满足电力系统安全生产的要求和变电站安全警卫的要求。

时至2023年，互联网大爆炸催生出了一系列新生的网络产物，如微博、微信、网络新闻等，这些产物逐渐演化成了互联网时代的新兴媒体，以全新的方式承载了舆情与舆论。网络新闻是由于某一时刻发生的新闻，首先被上传到互联网上，然后经过广大网民的评论转发而广泛传播，其中包含了很多的重要而且有价值的信息，例如网民们的评价倾向，人们对待某一事物的看法等等。时至今日，互联网信息产业三足鼎立的局面显而易见，主要网络媒体新闻来源：新浪微博、微信公众号、网络媒体。 其中，最开始显现这一势头的是新浪微博，例如“郭美美事件”，经由个人发博文，然后通过@一些网络推手或者微博大V，使得相关信息传播如星星之火，借助于微博的实时性，很快会形成燎原之势。正是因为微博拥有这些特征，很多正面或者负面新闻不能通过传统媒体报道却能通过微博途径大肆传播。随着新浪微博的发展与推广，越来越多的人喜欢将自己的生活“曝光”在微博上，例如心情状态、将来的计划、晒一晒生活、晒一晒人生等等，无形中，微博对舆论分析的潜在价值不断上升。微博拉近了人们与新闻、与热点的距离，但是它也带来了不可忽视的负面影响。针对微博谣言恶性化、舆论暴力不断、侵权案件层见叠出

为了解决传统施工图纸不能准确地表达出船体分段的工艺信息，对施工人员的工作指导性不强等问题，本文引进虚拟装配技术，基于DELMIA仿真软件对船体分段的制造过程进行研究；并且采用HTML语言对现场可视化系统进行编制，将在DELMIA仿真软件内研究的虚拟装配技术成果嵌入到现场可视化系统中，使生产现场能够共享三维设计成果，使现场可视化系统能够更好地指导施工人员进行生产工作，从而提高船舶制造的生产效率。

针对煤矿井下事故发生率高,营救难度大的特点,提出了一种基于物联网技术的人员定位系统,系统通过井下RFID技术实时接收到移动标识卡信息后再上传到地面主机,实现井上主机对下井工作人员实时定位,详细介绍系统的构成、硬件设计方法。

针对电力设备巡检智能化水平较低的现状，文中将增强现实（Augmented Reality，AR）技术应用于电力设备巡检过程。文中从智能巡检终端、服务器与数据库3个层面构建了基于AR技术的电力设备智能巡检系统架构。提出基于AR技术和深度神经网络（Deep Neural Networks，DNN）算法的电力设备故障识别方法，将智能巡检终端采集的图像作为输入，在线识别电力设备可能存在的故障类型。通过仿真测试表明，所提方法故障识别时间与支持向量机（Support Vector Machine， SVM）与BP神经网络（Back Propagation-Neural network， BP-NN）算法相近。但是各类故障识别准确率均大于98%，大于SVM与BP-NN算法，所提方法能够快速准确地识别电力设备故障类型。