一种基于Ceph集群的Cache Tier缓存优化方法

    公开(公告)号:CN111488125B

    公开(公告)日:2021-09-07

    申请号:CN202010281312.X

    申请日:2020-04-10

    摘要: 本发明公开了一种基于Ceph集群的Cache Tier缓存优化方法,获取Cache Tier现有的cache pool模式,将请求大小小于128k的请求作为小请求,将请求大小大于等于128k的请求作为大请求;执行写操作,将小请求写入cache pool中,将大请求通过缓存执行代理写操作写入base pool中;执行读操作,如果缓存命中,遍历对象分片信息,先去cache pool中读取,缓存读取结束后,去base pool中读取数据;最后将cache pool和base pool中读取的数据进行拼接、填充返回给客户端。本发明基于对不同大小的请求的处理方式来修改cache pool的读写模式,通过优化Cache Tier来提高Ceph集群的读写效率。

    基于深度学习的目标尺寸测量方法及系统

    公开(公告)号:CN110246124B

    公开(公告)日:2021-05-28

    申请号:CN201910438296.8

    申请日:2019-05-24

    发明人: 张斌 魏祚

    IPC分类号: G06T7/00 G06T7/60 G06T7/70

    摘要: 本发明公开了一种基于深度学习的目标尺寸测量方法及系统,通过前端处理装置的微控制器控制摄像头采集待测量目标的图像,并将图像通过网络传输到后端服务器;在后端服务器,通过引入深度学习的方法,从图像中检测出目标,使用数字图像处理的方法提取目标的轮廓特征,计算目标轮廓的最小外接矩形,并计算出目标的二维像素尺寸;根据照相机成像原理,计算目标的实际二维尺寸;后端服务器将尺寸测量结果通过网络传输给前端处理装置,前端处理装置的微控制器控制显示器显示目标尺寸测量结果。本发明极大地提高了目标尺寸测量的效率和精度,可同时测量多种不同种类目标的尺寸,对于应用环境不固定、背景复杂的场景,也能准确测量出目标的二维尺寸。

    一种烟气脱氯材料制备方法及应用

    公开(公告)号:CN112427013A

    公开(公告)日:2021-03-02

    申请号:CN202011177269.9

    申请日:2020-10-28

    摘要: 本发明一种烟气脱氯材料制备方法及应用,通过将筛孔吸附材料在80‑120℃下进行真空处理排出筛孔吸附材料孔道内的空气,然后在真空避光状态下采用硝酸银浸渍液浸渍真空处理后的筛孔吸附材料,然后采用硝酸溶液将硝酸银浸渍液的pH值调节至6.0~6.5,然后持续搅拌混合至少3h后分离出筛孔吸附材料,能够使银离子吸附在筛孔吸附材料的孔隙内,最后将分离出的筛孔吸附材料依次进行洗涤、干燥即可得到烟气脱氯材料,得到的烟气脱氯材料能够通过阴离子与Cl离子的特异性反应,达到直接从烟气中脱氯的目的,吸附效率高,且脱氯材料可再生重复使用。

    虚拟仿真环境下双目相机的标定及验证方法

    公开(公告)号:CN110619665A

    公开(公告)日:2019-12-27

    申请号:CN201910864274.8

    申请日:2019-09-12

    发明人: 张斌 张东辉

    IPC分类号: G06T7/80 G06T7/50

    摘要: 本发明公开一种虚拟仿真环境下双目相机的标定和验证方法,在虚拟仿真环境中制作标定板,双目虚拟相机,以及靶标物体,使双目虚拟相机对标定板采集图像数据,获得标定图像,计算并记录双目虚拟相机的内外参;将靶标物体放到与双目虚拟相机垂直距离确定的位置,使双目虚拟相机采集靶标物体的图像数据,求得靶标物体上特殊点之间的视差,根据双目测距公式以及之前所求双目虚拟相机的内外参数,计算靶标物体的距离双目相机的深度距离,利用深度距离与之前在虚拟仿真环境中的垂直距离求得相对误差,将计算得到的相对误差与误差系数对比,可反映相机内外参的准确程度,进而推算出虚拟仿真环境提供图像数据的准确程度。

    基于机器视觉的杆状物体表面缺陷检测系统及方法

    公开(公告)号:CN109870464A

    公开(公告)日:2019-06-11

    申请号:CN201910208871.5

    申请日:2019-03-19

    发明人: 秦彬书 张斌

    IPC分类号: G01N21/89 G01N21/892

    摘要: 本发明公开一种基于机器视觉的杆状物体表面缺陷检测系统及方法,包括:牵引装置,用于带动杆状物体移动;视觉采集装置,用于采集杆状物体表面深度信息;同步装置,用于同步牵引装置和视觉采集装置;中央控制系统,用于处理视觉采集装置采集的杆状物体表面深度信息并显示。本发明采用机器视觉检测技术可以避免人工检测的缺陷,具有高精度、高效率、稳定可靠及适用于在线检测等优势,极具应用前景。

    一种可重构的一维卷积处理器

    公开(公告)号:CN103985083B

    公开(公告)日:2017-02-01

    申请号:CN201410216342.7

    申请日:2014-05-21

    IPC分类号: G06T1/20

    摘要: 本发明提供一种可重构的一维卷积处理器,包括输入控制模块、行存模块和可重构一维卷积模块;输入控制模块,用于控制行存模块输出不同行数的图像像素信号,控制可重构一维卷积模块的一维列向量阵列和一维行向量阵列的连接方式,动态配置卷积模板参数;行存模块,用于存储图像像素信息,接收图像信号,根据输入控制模块的控制信号动态改变输出的行数,同时输出相应行数的图像像素信号到可重构一维卷积模块;可重构一维卷积模块,根据行存模块输入的图像信号和输入控制模块的控制信号,改变卷积阵列的级联方式和卷积模板参数,完成不同模板的各种图像卷积运算,输出经过卷积运算处理的图像。本发明硬件资源消耗低、易于硬件实现,运算速度快。

    一种基于自适应反馈线性化的STATCOM控制方法

    公开(公告)号:CN104953596A

    公开(公告)日:2015-09-30

    申请号:CN201510158638.2

    申请日:2015-04-03

    IPC分类号: H02J3/18

    CPC分类号: Y02E40/16

    摘要: 本发明公开了一种基于自适应反馈线性化的链式静止无功发生器(STATCOM)的控制方法,用于解决链式STATCOM中连接电感等参数随运行工况变化导致的控制性能不佳问题。本发明采用链式STATCOM线路等效电阻与连接电抗器电感值之比、连接电抗器电感值、链节等效电阻值作为控制器的不确定参数项;构建自适应反馈线性化控制器,使控制参数不再依靠上述参数的精确值;从而克服了间接电流控制模型中对电感值及线路等效电阻值的依赖,为链式STATCOM的安全稳定运行提供了保障。

    一种可重构的视觉前处理器和视觉处理系统

    公开(公告)号:CN102646262B

    公开(公告)日:2014-07-02

    申请号:CN201210047720.4

    申请日:2012-02-28

    IPC分类号: G06T1/00 G06T1/20

    摘要: 本发明提供一种可重构的视觉前处理器,包括色度空间转换模块、可重构卷积阵列、卷积后处理模块、采样存储模块和硬件重配置控制器;色度空间转换模块、可重构卷积阵列、卷积后处理模块依次连接;采样存储模块连接色度空间转换模块、可重构卷积阵列和卷积后处理模块;硬件重配置控制器分别连接上述四个模块;色度空间转换模块,用于将接收到的不同色度空间的视频图像信号转换为亮度图像信号;可重构卷积阵列,用于不同模板的各种图像卷积运算;卷积后处理模块,用于将完成卷积运算的图像进行二值分割;硬件重配置控制器,用于对可重构视觉前处理器的重配置。本发明结构简单、易于应用、速度快,能够对大分辨率的灰度图像进行实时视觉前处理。

    矩阵处理器及其指令集和嵌入式系统

    公开(公告)号:CN102360344B

    公开(公告)日:2014-03-12

    申请号:CN201110303919.4

    申请日:2011-10-10

    IPC分类号: G06F15/78 G06F17/16

    摘要: 本发明提出一种矩阵处理器及其指令集和嵌入式系统,该矩阵处理器包括外部数据接口、IRAM、DRAM、矩阵处理器核心;所述外部数据接口,连接矩阵处理器的IRAM、DRAM与外部存储器,完成矩阵处理器指令的写入和与外部进行数据交换;所述IRAM和DRAM,相当于矩阵处理器的缓存;IRAM接收外部模块写入的指令序列;DRAM接收外部模块写入的矩阵或其他数据、接收矩阵处理器核心写入的计算结果,供矩阵处理器使用或外部模块读出,完成矩阵处理器与外部模块的数据交换;所述矩阵处理器核心,用于取指、译码、运算、结果写回和控制。本发明矩阵处理器能够独立完成各种矩阵运算和其他数学运算。

    一种双总线的视觉处理芯片架构

    公开(公告)号:CN101567078B

    公开(公告)日:2011-06-22

    申请号:CN200910021723.9

    申请日:2009-03-27

    IPC分类号: G06T1/00

    摘要: 本发明涉及集成电路中视觉信息处理芯片的结构设计领域,公开了一种双总线的视觉处理芯片架构。它包括:第一总线、第二总线、连接在第一总线上的视觉计算和决策模块、连接在第一总线上的第一存储器、连接在第二总线上的特征组合和模式生成模块、连接在第二总线上的图像特征提取模块、连接在第二总线上的第二存储器、以及连接第一总线和第二总线的桥接电路。