融合BiFPN和YOLOv5s的密集型原木端面检测方法

针对成捆原木端面检测存在由于目标密集而形成的大量小目标难以精确识别的问题,提出融合BiFPN(bidirectional weighted feature pyramid network,双向加权特征金字塔网络)和YOLOv5s的密集型原木端面检测方法。为了提高密集原木图像中小目标的平均精度和查全率,模型中添加了一个小目标检测层以保留更多的浅层语义信息;为避免添加了小目标检测层后特征融合过程中的信息丢失,进而导致特征相对复杂的目标误检率、漏检率升高,融合简化版的BiFPN,在特征融合结构中加入跨尺度连接线以保留更多深层的语义信息,二者结合进一步提高了模型的鲁棒性。为了深入验证该模型的有效性,采取COCO公共数据集评判指标,将原木目标分为大、中、小3种目标并分别进行测试分析。试验结果表明:改进的模型对大目标的查全率和平均精度分别为99.70%和98.79%,调和均值为0.991;中目标的查全率和平均精度分别为98.02%和97.90%,调和均值为0.975,大目标和中目标相比于原模型性能几乎不变;小目标的查全率和平均精度为97.25%和96.86%,相比于原模型分别提高了20.96%和21.13%,调和均值0.973,相比于原模型提高了0.114。改进的模型检测速度为平均每张图片11.89 ms,模型参数量为14.4 MB,仅比原模型高了0.7 MB。因此,改进后的模型具有检测精度高、鲁棒性强、轻量化等特点,为实际环境复杂多变、数量庞大的密集原木端面检测提供了一种可行的方法。

基于圆弧的原木轮廓的识别与验证

针对原木端面存在相交圆、阴影等导致原木轮廓难以获得完整的圆轮廓问题,提出了基于圆弧的原木轮廓识别方法.首先分析了圆弧在数字化图像中的性质,从各种边缘线条中区分出圆弧边缘;其次,定义验证模型,以判断识别结果是否为合格圆.结果表明,该方法可以从大量干扰的边缘中找到轮廓,并利用部分轮廓边缘识别原木端面.

自然场景图像中的重叠蜜柚识别及试验

重叠蜜柚目标的准确分离和蜜柚果梗的定位是实现采摘自动化必须解决的两个关键问题。现有的苹果、柑橘等重叠果实分离方法不适用于重叠蜜柚,且无果梗定位功能。针对以上问题,该研究提出了一种结合渐进式中心定位的重叠蜜柚分离方法和果梗定位方法。首先利用主成分分析方法提取蜜柚区域、滤除背景并对图像中的重叠蜜柚进行初步分离;接着,对重叠蜜柚区域采用渐进式中心定位方法得到各个蜜柚的中心;然后,利用区域边缘点到其相应的不同中心点的距离大小的变化规律实现重叠蜜柚的分离;最后,利用前述的中心点结合蜜柚的形状特征,定位出遮挡程度较小的蜜柚果梗。在50张自然场景下的图像上进行试验,结果表明在有阴影、小目标、遮挡和重叠等复杂环境下,该方法的平均识别率为94.02%。同时,对于果梗未被遮挡且离摄像头较近的蜜柚,也给出了准确的果梗区域。在利用蜜柚模型搭建的识别自动化试验平台上进行试验,结果表明采摘机器人能够有效识别并分离重叠蜜柚、定位果梗。该研究可为蜜柚采摘机器人准确识别重叠果实提供参考。

着眼嵌入式发展的操作系统教学探讨

着眼嵌入式技术的快速发展,分析嵌入式系统的特点以及嵌入式技术给操作系统课程带来的新启示,从操作系统课程的教学目标、教学方法、教学内容3个方面探讨操作系统课程教学组织方式和方法。

结合图像和图形特征的原木轮廓识别

针对原木端面存在污渍、裂痕和伐痕等导致原木轮廓难以被鲁棒地识别的问题,提出了结合图像和图形特征的原木轮廓识别方法.首先,引入YOLO V3,在对200多张原木图像样本进行学习后,实现利用图像信息进行目标检测;其次,利用原木轮廓图形上近似于圆的特点,采用轮廓重叠度计算和随机Hough变换校正YOLO V3识别结果的中心不准的问题.与同类原木图像的识别结果进行比较,结果表明,它能100%识别其中的完整原木,边缘的平均重叠度提高了10个点;在各类复杂端面轮廓情况下的识别结果中,该方法都有较好的鲁棒性,识别率达到98.8%.

结合深度学习与Hough变换的等长原木材积检测系统

针对成捆堆放的原木端面图像,利用机器视觉方法开发一个材积检测系统,算法的鲁棒性和系统应用的方便性是两个关键难点。为了解决上述问题,实现原木材积自动化检测,设计并开发了结合深度学习与Hough变换的等长原木材积检测系统。首先,在对训练样本做了旋转、调整曝光度、加噪声等提高模型鲁棒性的预处理后,使用YOLOv3⁃tiny卷积神经网络对原木端面图像进行目标检测,计算得到每一个原木端面对应的目标区域;其次,在对目标区域计算边缘并去除目标区域中心噪声边缘后,利用Hough变换圆检测算法计算原木端面轮廓的准确直径;最后,开发了操作简捷方便的用户界面,根据用户输入的一个原木轮廓径级校准信息和长度,即可实现图中所有原木的材积检测。本系统在多种原木端面图像上,包括端面完好、端面伐痕、端面霉变、环境复杂等情景进行实验验证,系统真检率为98.79%,误检率为0.602%。结果显示本系统在各种复杂原木端面图像上具有很好的鲁棒性,同时为了兼容深度学习算法与用户界面设计,本系统在PyQt5核心库上实现了操作界面,其操作简洁、使用方便。

信息技术影响下的操作系统课程教学

操作系统是计算机科学与技术专业的核心课程,也是计算机系统中最重要的软件。以Linux为代表的开源软件和嵌入式技术的不断发展丰富了操作系统内容。文章分析技术发展和社会需求变化对操作系统课程教学的影响,并从理论教学和实践教学两方面给出一些改进方法。

信息化环境下的程序设计基础教学

程序设计基础教学过程中,学生有多种信息渠道了解课程知识点、多种信息渠道参与课程交流讨论。这一方面使得课堂教学对学生的吸引力相对降低,另一方面也给老师提供了更多渠道完成课程教学。针对这个问题,从信息化环境背景对教学存在的影响及程序设计基础课程本身的特点出发,围绕理论教学内容组织、实践环节实施、课程考核和督促方式三部分内容,以课程教学三个阶段(基础、提高、深入)为描述角度,对程序设计基础课程教学进行深入的探讨。

从程序设计教学探讨创新能力培养

新时代下,创新能力培养是高校教改的一个重要任务。针对此,已有大量学者提供了培养模式、教学模式、实践平台体系建设等方面的改革和探索,却较为少见从课程教学角度进行探讨。本文从一线教学经历出发,分析了计算机类专业的程序设计教学、全校公共选修课程序设计教学、大学生参与科研项目和大赛的程序设计指导等实践环节创新能力培养的现状和机遇。然后,本文总结并探讨了在上述实践活动中,通过程序设计实践对学生创新能力培养的若干关键点。

一种多狭缝推扫式光谱成像方法

高质量、高分辨率的遥感光谱数据获取受限于成像系统的光通量.针对传统推扫式的光谱仪当增加狭缝的光通量以提高信噪比时会降低空间分辨率这个问题,从信号处理角度为推扫式光谱成像系统建模,引入压缩感知理论,使得系统可以通过增加狭缝数目的方式来增加光通量.在理论上,该方法增加了光通量而没有降低空间分辨率.在仿真实验中,光通量增大128倍,用25%的曝光频率就可以很好地获得512×512的光谱图像.该光谱成像方法在遥感技术领域以较少的曝光次数、存储传输较少的数据就可以获得高质量的光谱数据.

从提高信息素养角度看待计算机基础教育教材改革

本文从对我国高等院校计算机基础教育的现状分析,并和国外的计算机基础教育作对比,提出按照培养高信息素养人才为目的来组织课程教材的观点。

一种在Multi-Agent系统中协调形成策略的框架

通过对BDI属性的刻画让Agent个体理智行为是多Agent系统中研究的一个重要方向。为了在开放系统中理智行为,模型在传统BDI逻辑的基础上结合了ATL语言中的一些概念。进一步地,为了体现Agent个体的自主性,分别定义了环境状态转换函数与私人状态转换函数。在该框架中,Agent个体通过一些必要的步骤,就可以适应环境,计算出更有助于自己达到目标的策略。

动态约束下的联盟形成

联盟形成是多Agent系统中一种重要的合作方式。人们设计了一系列联盟形成框架,较好地解决了联盟值最大化、任务分配、组合拍卖等问题。已有关于联盟形成的研究,较多地从效用、任务等角度来考虑问题。在一些情况下,仅从这些角度考虑联盟形成是不够的,于是我们从约束的角度来研究联盟形成。首先深刻分析了联盟形成时的约束问题,采用命题逻辑来描述对Agent的约束,给出了联盟偏好语言及其语义描述;接着给出了它的一些性质;最后将动态约束下的联盟形成机制与常见的一些联盟形成机制作了对比,体现了动态约束下联盟形成机制的特点。

多稀疏空间下的压缩感知图像重构

提出了一种基于多稀疏特征空间的压缩感知图像恢复算法,将全变差最小化特征和分段自回归模型(PAR)残差系数的稀疏特征同时作为信号的联合稀疏特征约束,根据信号局部特性自适应地选取与图像特征相适应的特征空间,并建立了包含多项1范数和2范数混合优化的目标函数.为了求解该目标函数,采用了一种基于交替方向法的高效优化算法.实验证明,利用多空间稀疏特征的重构图像相比单个特征的重构图像,在客观质量和主观视觉效果上都有很大提升.对于图像信号在一定的采样率下,文中算法的峰值信噪比与全变差最小化方法和基于PAR残差系数稀疏算法的峰值信噪比相比,分别有7dB和1dB的提高.

智能交通系统中地理信息系统的研究

概述了中国智能交通系统 (Intelligent Transportation Systems,ITS)研究开发的内容和地理信息系统 (Geographic Information System,GIS)的概念 ,阐述了 GIS数字化的制作过程以及GIS数据库的设计原则 ,最后详细分析了 GIS技术在 ITS中的应用功能。开发研究 ITS中的 GIS技术 ,可以加强道路、车辆、驾驶员以及管理人员的联系 ,实现道路交通管理“自动化”和车辆行驶“智能化”,有效地解决交通拥塞现象 ,从而提高道路通行能力 ,以确保道路运输效率和行车安全 。

基于深度学习和层次语义模型的极化SAR分类

针对复杂场景的极化合成孔径雷达(Synthetic aperture radar,SAR)图像,堆叠自编码模型能够自动学习高层特性,有效表示城区、森林等复杂地物的结构,然而,却难以保持图像的边界和细节.为了克服该缺点,本文结合深度自编码器和极化层次语义模型(Polarimetric hierarchical semantic model,PHSM),提出了新的无监督的极化SAR图像分类算法.该方法根据极化层次语义模型,将复杂的极化SAR图像划分为聚集、匀质和结构三大区域.对聚集区域,采用堆叠自编码模型进行高层特征表示,并构造字典得到稀疏特征进行分类;对匀质区域,采用层次模型进行分类;对于结构区域,进行线目标保留和边界定位.实验结果表明,该算法通过不同的分类策略优势互补,能够得到区域一致性好且边界保持的分类结果.

结合色彩特征和空域特征的成捆原木轮廓识别

成捆原木检尺自动化不仅能够提高生产效率,而且是林木资源管理的需要.通过图像处理得原木检尺直径和统计根数,这是实现检尺自动化中的重要环节.由于原木生产作业现场获取的成捆原木图像背景多样,拍照时自然光照条件不一,成捆原木轮廓识别需要较多的人工交互.通过研究成捆原木端面彩色图像中原木的色彩特征,利用它滤除大量的不相关背景,留下原木色彩近似的像素点;并结合拉普拉斯滤波器,获得原木边缘,实现成捆原木轮廓的分离,从而获得原木轮廓.

基于多特征的成捆原木端面轮廓识别方法

为了准确地识别原木端面轮廓，建立了联合像素特征和边缘结构的成捆原木轮廓识别模型，引入支持向量机改进原木端面像素点的识别效果，并用最小二乘法对边缘轮廓进行圆拟合。实验结果表明，在图像背景、原木端面都不理想的情况下，该方法能较为有效地完成成捆原木端面轮廓识别。

Agent信念的遗忘修正方法

为了使信念修正能够满足最小改变原则,首先基于遗忘理论定义遗忘收缩算子,并且证明该算子满足必要AGM收缩假定;然后通过Levi Identity构建遗忘修正算子;最后给出遗忘修正方法和多次遗忘修正算法。实例分析表明,算法具有可行性和有效性,能够得到较满意的修正结果。

任一时间面向任务联盟结构生成算法

联盟形成是多Agent系统中的一个关键问题。目前,大多数学者都在CFG下研究联盟结构生成问题。然而,在很多实际应用中,联盟的形成往往是为了完成任务集中某些任务。但是,在CFG中并没有把联盟和任务一起考虑。显然,加入任务后,问题将变得更复杂。Dang等人已经证明,这是个NP难问题,并且要建立最坏情况下的限界K(n,m),搜索面向任务联盟结构集合L1、L2(除{(A,Φ),(Φ,T)})是必要且充分的,接着提出一个限界具有保证的任一时间算法。本文深刻分析了面向任务联盟结构间的关系,引入更小的搜索粒度(面向任务势结构),提出一种新的任一时间搜索算法;在搜索完最小搜索之后,进一步搜索CTS集合CTS(n,m,b)对应的部分面向任务联盟结构,渐进给出越来越低的限界,大大改进了Dang等人的工作。