简介:文章以TMS320VC5410DSP为中心设计一套语音识别系统,该系统主要通过对语音信号的处理完成对灾后生命体识别的效果,该系统主要由A/D和D/A转换TLC320AD50芯片完成语音信号的模数和数模转换,DSP芯片TMS320VC5410DSP完成语音信号处理和识别,及DSP外围电路,主要包括电源电路及存储设备等辅助电路的设计,本系统采用软硬件结合的方法以DSP为核心完成。
简介:本系统为一种智能输液支架,上下同时固定输液瓶,具有较强的稳定性。若输液过程中产生不适,可以一键终止输液,安全程度高。内部通过步进电机和滚珠丝杠的配合使用,能够自动实现旋转换液的过程。当每一瓶输液结束时,即到达液位传感器所设置的页面,触发报警提示,灯条闪烁,报警器鸣叫报警。不论白天黑夜,声光联动报警都更易于发现异常所在位置。采用备用电源供电设计,当发生意外情况突然断电时,机器自动跳转切换备用电源继续供电,可防止机器停止工作,具有较高的安全性能;利用体温模块和心率血压模块实时检测提取病人体温、心率、血压等体征数据,通过蓝牙模块实现无线传输功能,将接收的体征数据传送至云服务平台,使医生可以远距离观测,具有较高的便捷和安全性能。
简介:摘要 : 目前,针对蜂群发生崩溃式消失的现象还缺乏有效的观测和分析手段。本研究在分析蜂群行为与检测特征的基础上,设计了一种基于物联网技术的蜂群多特征长期监测系统。该系统采用太阳能供电,融合了多种传感器,能够检测蜂群的多个特征(蜂箱内部的温度、湿度、蜂群重量、声音和蜜蜂的进出量),并利用无线数据同步传输技术将这些数据上传到远程云服务器中。基于该系统,本研究还进行了针对意大利蜜蜂从 2018年秋季到 2020年春季为期 235天的长期连续监测试验,记录了蜂群在秋衰期、越冬期和春繁期蜂箱内部温度、湿度、蜂群重量、声音和进出量的逐小时的细致变化。试验结果表明,在此期间,蜂箱内的平均温度呈现从 25℃下降到 -5℃再回升至 15℃的抛物线变化,相应的进出巢次数也由大约 8万次 /天减少至 0次 /天再增加至 5万次 /天。在越冬期中,蜂群的重量呈现出大约 25 g/天的线性下降趋势,同时蜂箱内也更为安静,声音的频率集中于 0~64 Hz。由此表明,在不干扰蜂群的情况下,该监测系统获得的特征数据能够有效地揭示蜂群的日常活动和趋势变化,可用来研究蜂群的行为生物学、探索崩溃式的蜂群消失成因以及发展精确化蜜蜂养殖业。