内射后入在线观看一区,国产日韩精品91

C-R型多通道10 bit SAR-ADC設計[模擬設計][其他]

采用0.13 μm工藝，設計并實現(xiàn)了一款單端CR型分級的10 bit SAR-ADC。在設計中，CR型分級的采用顯著降低了芯片面積，高5位的溫度計碼控制有效消除時鐘潰通等誤差，自舉開關(guān)的設計提高了采樣精度，前置放大器的高精度靜態(tài)比較器有效降低失調(diào)、提升了轉(zhuǎn)換精度。設計的ADC內(nèi)核尺寸為580 μm×290 μm，后仿真結(jié)果顯示，在采樣率1 MS/s下，輸入正弦信號200 kHz時，ENOB可達9.5位，EO=1 LSB。

發(fā)表于：7/1/2022 2:46:00 PM

Yolo神經(jīng)網(wǎng)絡在集成電路焊盤布局規(guī)則檢測上的應用研究[模擬設計][通信網(wǎng)絡]

為探索深度學習在集成電路設計自動化上的應用，以電源和接地焊盤的排列規(guī)則作為檢查案例，研究了Yolo v3神經(jīng)網(wǎng)絡在版圖檢查上的可行性。采用Python腳本批量生成版圖樣本圖片，并使用LabelImg進行標簽標記。使用TensorFlow框架編寫了基于Yolo v3的版圖檢查器。結(jié)果顯示，版圖檢查器在判斷焊盤布局正確性上實現(xiàn)了高精確率與高召回率。此外，還通過調(diào)整版圖的大小、形狀、對稱性與焊盤數(shù)目的方式對檢查器進行了進一步測試。檢查器仍表現(xiàn)卓越，體現(xiàn)出良好的擴展性。研究表明Yolo v3可以很好地找出焊盤布局的錯誤。深度學習在集成電路版圖檢查中的潛力大，值得繼續(xù)探索。

發(fā)表于：7/1/2022 2:42:00 PM

基于SiP技術(shù)的某分組件及測試系統(tǒng)設計與實現(xiàn)[模擬設計][工業(yè)自動化]

系統(tǒng)級封裝SiP已成為突破摩爾定律的主要技術(shù)路線，是未來武器裝備小型化和多功能化的重要依托，在武器裝備研制和應用領(lǐng)域具有廣闊的市場和前景。針對區(qū)域信號目標識別系統(tǒng)輕量化、小型化、集成化、低功耗等要求，設計一種基于SiP技術(shù)的某分組件并為此開發(fā)一套自動化測試系統(tǒng)，通過該自動化測試系統(tǒng)對200多套產(chǎn)品進行試驗，得出該產(chǎn)品性能穩(wěn)定、可靠；輕量化、小型化、低功耗等要求也滿足客戶要求。

發(fā)表于：7/1/2022 2:38:00 PM

基于YOLOv3-tiny的視頻監(jiān)控目標檢測算法[其他][其他]

目標檢測算法在視頻監(jiān)控領(lǐng)域有著較大的實用價值。針對當前在資源受限的視頻監(jiān)控系統(tǒng)中實現(xiàn)實時目標檢測較為困難的情況，提出了一種基于YOLOv3-tiny改進的目標檢測算法。該算法在YOLOv3-tiny架構(gòu)的基礎之上，通過添加特征重用來優(yōu)化骨干網(wǎng)絡結(jié)構(gòu)，并提出全連接注意力混合模塊來學習到更豐富的空間信息，更適合資源約束條件下的目標檢測。實驗數(shù)據(jù)表明，該算法相比于YOLOv3-tiny在模型體積降低39.2%，參數(shù)量降低39.8%，且在VOC數(shù)據(jù)集上提高了2.7%的mAP，在提高檢測精度的同時顯著降低了模型資源占用。

發(fā)表于：7/1/2022 2:33:00 PM

基于YOLOv5l的囊型肝包蟲病病灶檢測研究[其他][醫(yī)療電子]

針對臨床醫(yī)生在診斷肝包蟲病時需要通過個人經(jīng)驗判斷囊型肝包蟲病分型，研究基于目標檢測算法的肝包蟲病灶自動檢測與分類模型，實現(xiàn)對肝包蟲病超聲影像的自動識別與分類。使用YOLOv5l模型作為囊型肝包蟲病病灶目標檢測的模型，利用本地肝包蟲病超聲影像數(shù)據(jù)集對網(wǎng)絡模型進行訓練。基于YOLOv5l模型與隨機梯度下降算法(SGD)優(yōu)化算法的肝包蟲病病灶自動檢測分類模型可以很好地對5種類型的病灶進行有效的檢測，平均精度均值(mAP)為88.1%，經(jīng)過測試，該模型的測試速度可達40 f/s。實驗結(jié)果表明，基于YOLOv5l與SGD算法的肝包蟲病病灶自動檢測分類模型能夠較好地識別病灶的具體位置，可以很好地輔助醫(yī)生診斷肝包蟲病。

發(fā)表于：7/1/2022 2:29:00 PM

基于改進YOLOv5的車輛屬性檢測[測試測量][汽車電子]

車輛屬性檢測是一個基礎任務，其屬性檢測結(jié)果可以被應用到很多下游的交通視覺任務。提出了一種基于YOLOv5的車輛屬性檢測改進算法。針對檢測目標較小的問題，加入了卷積注意力模塊，讓網(wǎng)絡模型把更多的注意力放在小目標對象上；針對數(shù)據(jù)集樣本種類較少的問題，改進了YOLOv5的馬賽克數(shù)據(jù)增強方式；使用自門控激活函數(shù)Swish，起到抑制噪聲、加快收斂速度并提升模型魯棒性的作用。此外，還在公開車輛數(shù)據(jù)集VeRi-776的基礎上進行了詳細的車輛屬性標注，構(gòu)建了一個車輛屬性數(shù)據(jù)集。實驗結(jié)果表明，改進后的算法比原始YOLOv5的平均精確率提升了4.6%，能夠準確地檢測到車輛圖像的通用屬性，可以供下游任務使用。

發(fā)表于：7/1/2022 2:25:00 PM

直流微電流測量的研究進展[其他][其他]

直流微電流測量技術(shù)廣泛應用于核輻射檢測、靜電檢測、空間輻射探測等領(lǐng)域，是一項特色極值量測量技術(shù)，涉及高阻抗運放電路設計、泄漏電流防護等多項技術(shù)。直流微電流測量技術(shù)研究主要從電阻式和電容式反饋電路著手，分析測量電路的工作原理和傳遞函數(shù)，重點分析漏電流、熱電勢、運算放大器和電阻參數(shù)對測量誤差的影響，推導電路傳遞函數(shù)并仿真分析，最終提出減小各項參數(shù)對測量結(jié)果影響的方案。對近年來國內(nèi)外直流微電流測量的方法進行了綜述，分析了電流電壓轉(zhuǎn)換法、電流頻率變換法和調(diào)制解調(diào)放大法。對國內(nèi)外直流微電流測量儀器的現(xiàn)狀進行調(diào)查，世界上出現(xiàn)了很多高精度的微弱電流測量儀器，使微弱信號測量得到很大的提升。

發(fā)表于：7/1/2022 2:20:00 PM

物聯(lián)網(wǎng)安全標準體系框架研究[其他][物聯(lián)網(wǎng)]

結(jié)合物聯(lián)網(wǎng)發(fā)展標準化需要，概述了國際國內(nèi)物聯(lián)網(wǎng)安全標準化組織，從技術(shù)和應用視角對物聯(lián)網(wǎng)安全標準進行了分類，設計了物聯(lián)網(wǎng)安全標準體系框架，并針對性提出了物聯(lián)網(wǎng)安全標準化推進建議。

發(fā)表于：7/1/2022 2:16:00 PM

基于深度學習的視頻行為分類方法綜述[其他][其他]

過去幾年，視頻行為分類從手工選擇特征方式逐步向采用深度學習端到端網(wǎng)絡模型方式轉(zhuǎn)變。討論了傳統(tǒng)手工選擇特征的行為分類方法以及基于深度學習的行為分類方法，著重對包括基于卷積神經(jīng)網(wǎng)絡、長短期記憶網(wǎng)絡和時空融合網(wǎng)絡等不同的深度學習方法進行了論述，并對常用視頻行為分類數(shù)據(jù)集做了概述，對視頻行為分類方法的發(fā)展進行總結(jié)和展望。

發(fā)表于：7/1/2022 2:12:00 PM

基于PCIe Gen5的低成本Coupon設計[其他][其他]

數(shù)字技術(shù)發(fā)展日新月異，新一代服務器產(chǎn)品中，PCIe Gen5信號速率已經(jīng)達到32 Gb/s，為了確保其信號完整性設計，單板損耗監(jiān)控必不可少，優(yōu)良的Coupon設計因此顯得尤為重要。傳統(tǒng)Coupon多采用Litek探頭技術(shù)，以折線方式布線，盡管技術(shù)成熟，但存在占用空間大，數(shù)據(jù)穩(wěn)定性差等問題。從產(chǎn)品設計的低成本需求出發(fā)，對PCIe Gen5信號的低成本Coupon設計展開研究，結(jié)合差分繞線理論分析以及仿真數(shù)據(jù)，對幾種不同繞線方式進行分析對比，選擇了一種低空間占有率且高可靠性的Coupon布線方式，并對測試治具進行了改進。實驗結(jié)果表明，提出的Coupon設計方法不僅比傳統(tǒng)方法占用空間少，而且數(shù)據(jù)穩(wěn)定性更高，更加有利于Coupon的低成本、高可靠性設計。

發(fā)表于：6/9/2022 11:31:00 AM