基于深度学习的水果果实视觉检测技术研究进展

视觉识别系统是水果采摘机器人中的重要组成部分。近年来,基于深度学习的目标检测算法在人工智能领域迅猛发展,对提高采摘机器人的果实视觉检测性能提供了强有力的技术支撑。本文主要介绍了水果果实视觉检测技术中常见的目标检测算法和目标立体定位算法及其优缺点,简要地总结了各算法的应用研究现状,分析了水果果实视觉检测技术中的难点问题,并展望了其应用发展前景。

利用改进YOLOv5s模型检测番茄果实成熟度及外观品质

以粉果番茄为试验材料,基于深度学习方法开展了番茄果实成熟度和外观品质的检测研究。试验中共采集番茄图片数据2036张,通过处理扩增至5316张,然后将数据进行标注和文件转换,构建了试验用数据集;通过在YOLOv5s模型中加入CA注意力机制、替换Stem block结构、结合识别需求优化检测层尺度、替换K-means++聚类算法来实现SC-YOLOv5s识别精度提升,提高模型的特征表达能力;通过在SC-YOLOv5s模型中加入Fire module结构进行轻量化卷积、降低Bottleneck模块的参数量来实现SC-YOLOv5s-lite轻量化设计,提升模型在硬件上的检测速度;将SC-YOLOv5s-lite模型在训练集上进行训练优化、消融试验和性能对比,结果表明,SC-YOLOv5s-lite模型内存大小为7.73 M,其准确率为89.04%,召回率83.35%,平均精度91.34%,检测时间为143 ms,相比于YOLOv5s,模型参数量降低了45.57%,模型大小压缩了44.86%,平均精度提升3.98%,检测时间减少20.99%,优势明显,更适合于硬件上部署。

石墨烯材料在天线技术中的应用

电子信息产业是全球产业中重要的组成部分,通讯产业是电子信息产业的基础,而天线技术更是通讯产业的基础.石墨烯被预言是下一代逻辑器件的主要材料,同时由于其优异的透光性和柔韧性,有望实现普通硅基材料所不能实现的透明、弯折功能,从而成为智能可穿戴材料的重要组成部分.为满足5G技术的超高频波段响应、不同地区手机电磁波谱吸收频段不同、物联网追踪以及透明防伪等技术需求,本课题组成功制备出世界首款柔性透明石墨烯射频天线,实现了柔性和透明的结合,展现出优异的性能和稳定性.利用石墨烯带隙可调特性和宽光谱吸收的特点,实现不同频段电磁波谱吸收,以满足天线对多频谱的适用性.通过改变石墨烯的层数、构型以及导电性实现天线多个频谱的调节,避免通过不同物理开关调控频段所造成的复杂性,从而将不同天线整合在一个石墨烯天线系统内,大大降低天线占用器件内部的体积并减少功耗.同时,本课题组开发了可打印石墨烯墨水,设计并制备可调谐缝隙天线,通过外加电压的方式,可以达到带宽和谐振频率的调节.本文基于本课题组的研究,对石墨烯材料在柔性透明天线和可调谐天线领域的进展进行了总结.