基于改进YOLOv5s模型的自然场景中绿色柑橘果实检测

针对未成熟柑橘果实智能检测存在精度低、模型大的问题,该研究提出了一种基于YOLOv5s改进的绿色柑橘检测算法模型YOLO-GC,实现对复杂自然环境中果实的实时准确检测。首先,针对YOLOv5s网络模型较大且难以部署的问题,以轻量级GhostNet网络替换原始的骨干网络,同时为减小模型轻量化后精度下降的影响和提高对绿色柑橘特征的关注度,嵌入全局注意力机制(global attention mechanism,GAM)增强网络在复杂环境下对果实特征的提取能力;其次,为了改善密集与小目标果实的检测效果,引入BiFPN(bi-directional feature pyramid network)架构进行多尺度的加权特征融合;最后,为减少果实与枝叶遮挡、重叠造成的漏检,采用GIoU(generalized intersection over union)损失函数结合Soft-NMS(soft-non-maximum suppression)算法优化边界框回归机制。试验结果表明:相较于YOLOv5s,YOLO-GC的权重模型内存减小了53.9%,参数量减少了55.2%,平均精度AP_(0.5)提升了1.2个百分点,平均推理时长减少46.2%。YOLO-GC模型的综合检测性能优于YOLOv8等7种常用网络模型,在安卓手机APP中检测准确率达到97.2%,推理时长减少了85.8%。研究表明,该研究模型为复杂环境中绿色果实检测及模型部署应用提供了技术支撑。

基于Flexsim模型的小口径弹药生产线仿真评估

针对小口径弹药装配生产线进行布局设计及仿真评估,在现有制造模式的基础上,进行不同类型的生产线布局仿真设计试验,最终提出了一个提高生产效率,解决生产瓶颈问题的装配生产线布局方案。在分析典型布局方法和工艺设备应用的基础上,设计了直线型布局、U型线布局和转盘式布局装配生产线等3种设计方案。运用Flexsim软件构建模型,并通过小口径弹药装配生产线数据及经验,对3种布局方式均进行仿真测试,对比3种布局方案在生产线节拍平衡、制造成本和生产效率方面的仿真结果分析,得出装配生产线最佳布局。

基于容积法的精密装药丸应用研究

为了同时保证装药丸过程中的高效和高精度,对不同定容式装药丸方法以及药丸量控制技术进行了研究。介绍多种装药丸机构原理,并探讨了定容精度与误差变化的关系。介绍了一种药丸的深度检测装置的原理,通过检测面的高度反映出药丸的深度。