异常数据检测是保障无线传感器网络节点数据准确性和可靠性的重要步骤。针对无线传感器网络节点异常数据检测问题,提出一种基于卷积神经网络的异常数据检测方法。该方法是对正常数据和注入故障后生成的异常数据进行归一化处理后映射成的灰度图片作为卷积神经网络的输入数据,并且基于LeNet-5卷积神经网络设计了合适的卷积层特征面及全连接层的参数,构造了3种新的卷积神经网络模型。该模型通过卷积层自主学习数据特征,解决了传统检测算法的性能容易受到相关阈值影响的问题。通过网络公开数据集进行模型测试,结果表明该方法具有很好的检测性能和较高的可靠性。

针对获取运动轨迹不清晰以及轨迹不能很好地被检测的问题,提出一种基于三帧差分法的3D打印机轨迹检测改进算法。采用USB摄像头采集图像,然后用改进三帧差分方法和高斯混合模型进行轨迹的粗略判断,并使用Qt框架实现对目标中心即3D打印机喷头的运动轨迹检测和速度计算。结果表明:该算法能够完整地获取3D打印机喷头轨迹,能较大程度地减少图像处理的计算量。