简介:摘要:针对基于继电接触器、人工手动料位和卸料小车定点控制精准度低,而导致卸料控制效果差的问题,提出了基于PLC的对筛分栈桥自动卸料控制系统设计。根据系统结构,设计与改造卸料小车驱动方式、卸料小车定位系统、落料点区域物料检测系统和卸料小车牵引机构,通过PLC中央处理器控制卸料小车,完成自动卸料动作。使用二维模糊控制器重新编程,计算料位高度偏差和料位高度偏差变化率,以PLC为核心,采集传感器数据,利用HMI远程控制现场执行,并设计卸车远程监控流程,及时记录小车运行轨迹,控制小车定点。由系统测试结果可知,该系统料位控制误差为0.00,与定位点最大距离误差0.01m,具有良好控制效果。
简介:摘要目的探索人工智能(AI)初筛分流在大规模糖尿病视网膜病变(DR)筛查中的应用。方法2018年5至7月在新疆维吾尔自治区喀什市和克孜勒苏柯尔克孜自治州,8 005例糖尿病患者参加了DR筛查,所有患者均行免散瞳的眼底彩照检查,每眼采集2张眼底彩照(分别以视盘和黄斑为中心)。拍照完成后,首先使用AI系统对每例患者的4张眼底彩照进行判定,如均为可分级且无DR时,直接产生AI报告,并随机抽取1/3至读片中心由眼科医师组分级以作质量控制(组A)。此外,如4张眼底彩照中,任意一张图片判别为无法分级或存在DR时,该患者的所有眼底彩照均需行人工分级(组B)。从组A和组B中分别随机抽取300例患者的眼底照片,由眼科医师组作出最终判别,确定AI和人工分级判定需转诊DR(增殖前或增殖期DR,或糖尿病黄斑水肿)的准确性。结果在8 005例参加筛查的糖尿病患者中,男3 220例(40.2%),女4 785例(59.8%),年龄(58.3±10.6)岁。经AI初筛后,AI直接产生报告5 267例(65.8%),另外2 738例(34.2%)需要进行人工分级。在组A中,AI和人工判定需转诊DR的准确性和特异度均为100.0%。在组B中,AI和人工判定需转诊DR的准确性分别为75.8%和90.3%,灵敏度分别为100%和79.1%。结论在大规模的DR筛查中,使用AI作为DR的初筛手段,可在不遗漏需转诊DR病例的情况下,减少约60%的图片分级工作量。