本文聚焦基于MCU平台的物体检测算法的讨论，并提供了一套完整的工程实现示例：人脸追踪风扇。工程不仅提供了一个高效的物体检测算法，并且实现了一个自动追踪人体的控制系统，控制双路舵机转动底座，实现了风扇一直跟随人脸转动。本文所提供的检测控制系统也可以集成到监控设备，智能家居，工业自动化领域等等。
在当今电气系统和设备日益普及的背景下，电器故障和老化等因素引发的火灾事故频繁发生，严重威胁着人们的生命安全和财产。现有的火灾预警方案多数依赖于电气参数与固定阈值的比较，存在响应速度慢、准确性不足等问题，无法有效应对复杂的电气故障情况。为了解决这种问题，提出一种创新的电气火灾预警系统，基于长短期记忆网络(LSTM)技术，结合高频电气参数循环神经网络(HF-LSTM)和低频电气参数循环神经网络(LF-LSTM)进行研究。HF-LSTM深入挖掘线路的温升规律和超温故障特性，而LF-LSTM则用于探索线路温度变化的周期性模式。通过这两种模型的结合，使系统能够精确预测线路温度，实现对电气火灾风险的早期识别和预警。该系统突破了传统模式只依赖某几个参量的数据特征对电气火灾危险性进行计算和研判，忽略了参量间的物理关联，本文采用基于LSTM的动态阈值调整机制，增强了时间序列信息的连续性和相关性，从而提高了预警准确性和响应速度。系统还引入了预警分位的概念，实现了火灾风险的定量评估和分级管理。硬件电路实时采集电流、电压和温度信息，并与物联网平台结合，实现实时监控和自动响应。通过先进算法，系统提高了对微弱信号的识别能力，确保了早期风险感知和预防。实验数据表明，该电气火灾预警系统在预测准确性和响应速度上均显著优于现有方案，能够有效降低火灾发生率，为保障生命和财产安全提供了高效可靠的解决方案。
由于传统PID控制器面临参数调整繁琐、实时调适滞后、工况适应局限等挑战，本研究提出了一种以人工蜂群算法(Artificial Bee Colony, ABC)为核心的BP神经网络优化策略。研究表明，ABC算法对蜜蜂觅食行为的模拟机制，显著增强了BP神经网络在参数空间中的探索能力，有效维持了粒子群的多样性特征，构建起了高效的PID控制参数自适应调节框架，成功地克服了因参数失配而引发的控制效能递减难题，确保了控制系统在复杂工况下的稳定性与鲁棒性，为提升控制系统整体性能提供了坚实保障与有力支撑。ABC算法在提升BP神经网络性能上卓越可靠，为PID控制革新提供了依据与范式。
针对矿热炉电极端部位置检测精度低及开发过程中的复杂性问题，本文介绍了一种新型差动式磁场阵列检测系统。该系统通过布置磁场传感阵列，利用差动信号处理技术，有效消除了环境干扰和系统噪声，提高了电极端部位置检测的精度和可靠性。研究首先构建了矿热炉磁场检测模型，并基于毕奥–萨伐尔定律，分析了矿热炉的炉外磁场分布。仿真验证了差动式磁场阵列检测方法的有效性。测试结果表明，该系统能够在恶劣的工业环境中准确检测电极端部位置，为矿热炉的高效运行提供了有力支持。本研究为矿热炉的工业参数检测和控制提供了新的思路和技术支持。
随着人口老龄化程度加深，社会养老负担加重，处理好全社会的养老问题十分重要。在全球范围内，老人身体健康受到许多致命疾病的威胁。而独居老人生活中缺少家人照顾，心理上缺少慰藉，导致患病率更高，同时发生意外也无法及时得到救助。面临精神、健康、意外风险三重困境，因此，他们具有更大的健康风险。本文提出的系统基于云–边–端架构实现，由云端服务器、感知控制和应用服务构成，实现了语音服务和老人应急服务，即老人有语音需求时可以及时提供相应服务，老人摔倒时可以给老人送药并向前端发送照片和警报；前端交互模块则由微信小程序实现，使家人能远程关注家中老人的身体健康状况。
介绍一种完全自主开发的体积小的基于MEMS无线数字地震检波器。该检波器主要包括以下几个部分：MEMS传感器板、放大采集板、FPGA控制主板、无线触发接收板、无线WIFI模块板和供电电源设计等。该传感器的设计涉及多个关键技术点，包括微弱信号获取、低功耗设计、总体结构的合理布置、高精度和高灵敏度、无线数据通讯以及无线触发信号接收等。应对这些关键技术点，本设计首先对芯片和材料精挑细选、对电路和结构进行合理设计，满足该检波器各项技术指标。最后通过一系列的室内测试和野外试验，验证了该检波器的各项功能和性能，为地震勘探提供高精度、高灵敏度、稳定可靠的地震检波器。
本研究旨在开发一种在资源受限的微控制器单元(MCU)上运行的方法，用以进行鼾声检测。不同于使用CNN进行声音检测的方式，我们采用门控循环单元(GRU)模型以对音频数据进行处理和分析。通过采用优化模型结构、模型量化等常用的模型优化方式，我们最终成功将GRU模型适配到低功耗的MCU平台，使其能够在不依赖外部计算资源的情况下，独立完成端侧的鼾声检测任务，无需联网。实验结果表明，该模型在保持较高准确性的同时，能够有效降低系统算力需求，满足移动健康监测设备的实时性与便携性要求。这一研究为鼾症患者的持续监测和睡眠健康管理提供了一种新的解决方案，同时也拓展了深度学习在嵌入式系统中的应用前景。
在物联网设备与云端之间的通信中，MQTT作为一种轻量级的、基于发布-订阅模式的通信协议，具备了良好的适用性和灵活性，被广泛应用于物联网领域。在OpenHarmony的LiteOS内核上利用MQTT连接云平台是一项关键的技术任务，它涉及在轻量级操作系统上实现MQTT协议的客户端功能，并与云端平台进行稳定和高效的通信，因此需要选择合适的MQTT库，并进行有效的移植和优化，以保证在资源受限的环境下依然能够实现稳定可靠的通信连接。海思Hi3861芯片采用了LiteOS内核。文章探讨了在海思Hi3861芯片上移植和使用Paho MQTT库连接到华为云的实现过程和关键技术。文章首先介绍了MQTT的相关知识，然后详细讨论了嵌入式Paho MQTT库的内容，接着介绍Hi3861芯片相关功能及其移植Paho MQTT的方式，最后描述了使用移植好的程序连接华为云MQTT的步骤，包括设备鉴权方式和消息发布订阅的实现。实验结果验证了在Hi3861平台上使用Paho MQTT库连接到华为云的可行性和效果。文章的结尾探讨了项目未来的工作。
文章展望了AGI时代的特点及人才金字塔结构的分布，重点分析了AGI时代电子及计算机工程师的行业发展趋势及特点，并建言当今电子及计算机工程师如何应对AGI时代的来临。
超市水果识别主要依赖人工，计算机视觉成为一种解决方案。然而目前仍面临部分水果识别精度低、终端设备部署困难、误识别图片难处理等挑战。因此，文章基于深度学习对移动端水果识别进行研究，旨在替代人工识别。首先文章构建了包含49种水果的超市水果图像数据集DailyFruit-49。并针对细分类特征相似度高、包装遮挡、形状小量少的水果识别困难，以及低算力设备模型部署问题，筛选了满足部署要求的骨干模型。设计了新的注意力模块RMA，改进了ViT Block以增强模型的细节识别能力和深层语义特征整合能力，最终得到DenseRMA_ViT模型，并基于Focal Loss改进损失函数。并在公开数据集Fruits-262上进行消融实验验证模型改进的有效性。最后结合实际设备，实现水果识别系统，满足实际使用。基于与用户的交互行为对误识别水果图像进行收集，并基于误识别图像实现模型权重自动微调，随使用时间延长，系统收集更多图片，提升模型识别精度与泛化能力，以处理实际应用中误识别水果。
在当前嵌入式系统与人工智能技术融合的前沿领域，文章聚焦于一种基于单类支持向量机(One-Class SVM)的异常检测算法，并提供了一套完整的MCU友好的工程实现，不需要依赖于动态内存分配以及文件系统，特别适合于在资源受限的边缘设备上进行高效、实时的训练与预测。我们的方法不仅可以实现在MCU上训练和高效存储机器学习模型，还支持增量学习，从而在几乎不增加计算负担的前提下，持续改进模型对实际工况的适应能力。我们的实验装置是安装了三轴加速度传感器的震动源(如风扇)，以模拟在工作期间发出振动的工业设备。文章的方法也可以通过替换传感器和特征计算的预处理算法来实现对其它设备的监控，以适应不同的工况环境和应用的需求。
巷道掘进中孔中地震高精度预报系统是完全自主开发的高性能产品。该预报系统主要是由“井下”和“地面”两大部分组成的。其中，井下部分主要是由1个无线主机、3个无线探头、1个无线触发器、1个震源铜锤、1根触发信号线以及其它配件(如：蜂鸣器、锤垫等)组成。主要功能是进行现场数据采集和存储，如果无线主机安装有分析软件，就可在现场解析出探测结果。井下设备都是本质安全型设计，并且通过了国家煤矿安全机构的防爆性能检测和安全认证。地面部分主要是由PC机、仪器电源适配器(充电器)和分析软件组成的，其主要功能是对所采集的地质数据进行转储、深度解析、分析处理和形成成果报告文件，亦即预报结果。该系统与同类产品相比精度高、准确率高和施工方便的优势。
