科技发展，引领时代

智能科学，创造未来

今天展示的是智能科学与技术专业的优秀实践作品

让我们一起走进智能的“快乐星球”

 

智能科学与技术专业设立于2012年，目前建有TI智能技术联合实验室、辽宁省机器人实验教学示范中心(包括博创之星创意机器人、TurtleBot2智能机器人、 KUKA工机器人等实验室)等多个高水平实验室。近年来，学生在全国大学生智能设计大赛、华为杯智能大赛、蓝桥杯等科技竞赛中屡获全国奖项。本专业涵盖智能硬件设计、系统集成、算法应用的知识体系结构，并构建了支撑智能硬件开发及维护、智能机器人应用开发和人工智能算法应用实践体系;紧跟智能制造领域与人工智能行业的智能感知、机器视觉、模式识别、深度学习等新理论、新技术与新工具，动态优化和更新教学体系与教学内容。

 

#1

摇臂式全地形机器人

作者：郑然冉

指导教师：图雅

 

基于火星车的机械结构，设计了一款摇臂式全地形机器人。该机器人的机械结构设计采用6轮摇臂式机械结构，该机械结构适应各种复杂地形并且能够继承履带式、轮式和腿式的优点，实现各种地形的行走及越障功能。采用树莓派和STM32作为该机器人的核心控制器，STM32作为下位机主要负责机器人运动的控制。采用C语言与KEIL集成开发环境对STM32下位机进行开发，采用C++语言与VS CODE集成开发环境对ROS系统上位机进行开发，最终实现了机器人自适应爬越功能。

 

 

 

 

 

 

#2

基于深度学习的无人超市商品识别系统

作者：潘修宇

指导教师：韩媞

本设计使用Python语言进行开发，分为三个实现模块：人脸识别登录、商品识别、UI界面设计。使用YOLOv5s目标检测模型实现无人超市的商品识别功能。为了满足实际需求，本设计使用OpenCV实现了人脸识别，并将其作为登录模块。针对缺少公开数据集的问题，利用AI标注工具制作了数据集；为了增强数据集的复杂程度，使用OpenCV对图片进行数据增强，并使用YOLOv5s模型进行训练；本设计使用PyQt5构建UI界面，通过UI界面测试识别检测的效果，并且分析了训练的过程和结果。

 

 

 

 

 

 

 

 

 

#3

基于YOLO的零件缺陷检测系统

作者：赵联兆

指导教师：张新强

 

随着深度学习的检测算法日渐成熟，在工业界深度学习检测算法被大量应用到工业场合中，成为当前的热点研究方向。本项目通过设计和实现一个基于YOLO神经网络的零件缺陷检测系统，建立自己的数据集并进行训练，修改网络参数优化训练，对获取的模型进行评估并得到检出图。最后设计界面并调用模型，在窗口中显示模型的检出效果。

 

1.YOLOv5神经网络

 

 

 

2.零件数据集制作

 

 

 

 

3.模型训练 评价指标

 

 

 

4.结果测试

 

 

 

5.多模型结果对比

 

 

 

#4

物料智能分拣搬运机器人

作者：王紫阳

指导教师：李家琦

设计了一种物料智能分拣搬运机器人，上位机采用的是树莓派4代B、嵌入式Linux操作系统；下位机采用的是芯片为STM32F103VCT6的STM32单片机。上位机包括摄像头、GUI设计、串口通信等模块。下位机包括传感器数据采集、舵机、电机的控制和串口通信模块。GUI显示任务主要是基于Qt设计实现机器人人机交互界面程序，包括摄像头图像显示、距离显示等。串口通信任务主要是机器人上位机与下位机串口通信，设计实现相应驱动程序、上下位机串口通信协议及Qt应用程序。

 

 

 

学习不仅局限于理论知识，更要在探索中前进、实践中成长，秉承创新的热情、独立的思维，希望同学们可以在实践教学中有更深刻的体会，并对未来的实践课程充满期待，共同关注他们更好的实践作品。