CSD-YOLOv8s:基于无人机图像的密集小目标羊只检测模型

[目的/意义]天然牧场下放牧牲畜数量的准确检测是规模化养殖场改造升级的关键。为满足规模化养殖场对大批羊群实现精准实时的检测需求,提出一种高精度、易部署的小目标检测模型CSD-YOLOv8s (CBAM SPPFCSPC DSConv-YOLOv8s),实现无人机高空视角下小目标羊只个体的实时检测。[方法]首先,使用无人机获取天然草原牧场中包含不同背景及光照条件下的羊群视频数据并与下载的部分公开数据集共同构成原始图像数据。通过数据清洗和标注整理生成羊群检测数据集。其次,为解决羊群密集和相互遮挡造成的羊只检测困难问题,基于YOLO (You Only Look Once) v8模型构建具有跨阶段局部连接的SPPFCSPC (Spatial Pyramid Pooling Fast-CSPC)模块,提升网络特征提取和特征融合能力,增强模型对小目标羊只的检测性能。在模型的Neck部分引入了卷积注意力模块(Convolutional Block Attention Module, CBAM),从通道和空间两个维度增强网络的抗干扰能力,提升网络对复杂背景的抑制能力,进一步提高对密集羊群的检测性能。最后,为提升模型的实时性和可部署性,将Neck网络的标准卷积改为具有可变化内核的轻量卷积C2f_DS (C2f-DSConv)模块,减小了模型的参数量并提升了模型的检测速度。[结果和讨论]与YOLO、Faster R-CNN (Faster Regions with Convolutional Neural Networks)及其他经典网络模型相比,改进后的CSD-YOLOv8s模型在检测速度和模型大小相当的情况下,在羊群检测任务中具有更高的检测精度。Precision达到95.2%,mAP达到93.1%,FPS (Frames Per Second)达到87 f/s,并对不同遮挡程度的羊只目标具有较强的鲁棒性,有效解决了无人机检测任务中因羊只目标小、背景噪声大、密集程度高导致羊群漏检和误检严重的问题。公开数据集验证结果表明,提出的模型对其他不同物体的检测精度均有所提高,特别是在羊只检测方面,检测精度提升了9.7%。[结论]提出的CSD-YOLOv8s在无人机图像中更精准地检测草原放牧牲畜,对不同程度的聚集和遮挡目标实现精准检测,且具有较好的实时性,为养殖场大规模畜禽检测提供了技术支撑,具有广泛的应用潜力。

基于多模态图像信息及改进实例分割网络的肉牛体尺自动测量方法

[目的/意义]牛的体尺参数是反映牛身体发育状况的关键指标,也是牛选育过程的关键因素。为解决规模化肉牛牧场复杂环境对肉牛体尺的测量需求,设计了一种图像采集装置以及体尺自动测量算法。[方法]首先搭建肉牛行走通道,当肉牛通过通道后进入限制装置,用英特尔双目深度相机D455对牛只右侧图像进行RGB与深度图的采集。其次,为避免复杂环境背景的影响,提出一种改进后的实例分割网络Mask2former来对牛只二维图进行前景轮廓提取,对轮廓进行区间划分,利用计算曲率分析方法找到所需体尺测点。然后,将原始深度图转换为点云数据,对点云进行点云滤波、分割和深度图牛只区域的空值填充,以保留牛体区域的点云完整,从而找到所需测点并返回到二维数据中。最后,将二维像素点投影到三维点云中,利用相机参数计算出投影点的世界坐标,从而进行体尺的自动化计算,最终提取肉牛体高、十字部高、体斜长和管围4种体尺参数。[结果与讨论]改进的实例分割网络与Mask R-CNN、PointRend、Queryinst等模型相比具有更好的分割结果。采用本研究测得的这4种体尺平均相对误差分别为4.32%、3.71%、5.58%和6.25%。[结论]本研究开发的肉牛图像采集装置及相应的图像处理方法可以满足该牧场对肉牛体尺无接触自动测量误差小于8%的精度要求,为非接触式肉牛体尺自动化测量提供了理论与实践指导。

特约主编寄语

为贯彻落实双碳任务目标,加快能源转型,我国风能、太阳能等可再生能源占比不断增加,逐渐形成了清洁、安全、高效的能源结构,并在沙漠、戈壁、荒漠地区规划建设了大型风电光伏基地项目。但基地的系统特性已由原有的同步机主导转变为了电力电子装备主导,其规划建设、控制装备、安全运行均发生了重大变化,系统的安全稳定运行及其送出均面临严峻挑战。下面将对沙戈荒新能源基地的建设及安全稳定运行的部分问题给出建议。

基于KinectV2的猪体三维点云重构与体尺测量

体尺参数是评价育肥猪生长状况的重要指标,针对单目CCD相机在猪体体尺测量中受角度、光源等因素影响导致的测量参数单一、测量结果误差较大等问题。首先利用深度相机KinectV2从正上方和左右两侧视角同步获取猪体局部点云数据;然后进行点云去噪、精简分割等处理,运用改进后的ICP点云配准技术处理点云信息;最后采用精确估算技术精简点云数据。在不同角度比较实验测量与人工测量的结果发现,猪体数据中体长平均相对误差为2.65%、体高平均相对误差为1.87%、体宽平均相对误差为1.75%、臀高平均相对误差为2.07%、臀宽平均相对误差为1.96%,整体上误差较小,证明了所提方法的有效性,以期为猪体尺寸测量提供新的解决方法。

以项目代替实验的模拟电路实验教学改革探索

信息技术的迅速发展,为人类思维方式和学习方式带来了重大变革,也给教育发展带来了空前机遇。针对内蒙古大学模拟电路实验教学中存在的问题,课程团队结合专业特点及行业发展需求,以“立德树人”为根本任务,以培养学生工程实验能力和创新精神为核心,提出了“项目驱动+虚实结合”的模拟电路实验教学改革实践。此次教学改革有利于培养学生的职业素养、团队协作、沟通能力、设计电路能力及创新能力,有效激发学生的学习动力,促进学生主体意识发挥重要作用。

基于可见光视觉特征融合的矿井外因火灾监测方法

为了解决矿井外因火灾监测实时性差、误报率和漏报率高的问题,提出了基于可见光视觉特征融合的矿井外因火灾监测方法。首先,分析了不同监测环境中火源视频图像对应的视觉特征,并设计了火源纹理、尖角、相似系数和闪动频率的提取方法;其次,采用改进的种子区域生长算法对火灾疑似区域进行分割,并利用不同的火源特征提取方法计算火灾疑似区域的动、静态特征;然后,融合所提取的动、静态特征,构建火灾特征向量;最后,构建了基于BP神经网络的火灾监测模型,并对监测模型进行了验证。结果表明,本文提出的火灾监测方法可有效检测不同场景和不同距离下的外因火灾,正确率和检测率分别达到98.60%和99.09%,误检率低至2.00%,并有很强的抗干扰能力和鲁棒性。

基于双域和ILoG-CLAHE的矿井红外图像增强算法

针对矿井复杂作业环境导致的红外图像降质,现有红外图像增强算法在实现信噪比和对比度提升的同时易丢失场景细节信息或造成目标边缘模糊的问题,提出了一种基于双域分解耦合改进的高斯-拉普拉斯(ILoG)算子和对比度受限自适应直方图均衡化(CLAHE)(ILoG-CLAHE)的矿井红外图像增强算法。首先,利用双域分解模型将矿井红外图像分解为包含高频信息的细节子图和低频信息的基础子图;其次,利用CLAHE算法对基础子图的亮度、对比度和清晰度进行提升,用以突出监视场景的概貌特征,采用构造的ILoG算子对细节子图进行噪声抑制和边缘锐化,并消除梯度反转现象;然后,通过重构处理后的基础子图和细节子图得到了图像质量改善后的重构图像;最后,设计了一种灰度重分布的Gamma校正函数,对重构图像进行亮度调整,进而得到矿井红外增强图像。通过主观视觉和客观指标对算法进行了性能分析,结果表明:经基于双域和ILoG-CLAHE的矿井红外图像增强算法增强后的矿井红外图像,整体视觉效果和客观指标均得到了较大提升,综合增强性能和鲁棒性更好。相较于原矿井红外图像和6种对比算法(CLAHE算法、双边滤波器(BF)分解与基础子图的CLAHE增强(BF-CLAHE)算法、BF分解与Gamma变换(BF-Gamma)算法、引导滤波与Gamma变换(GF-Gamma)算法、自适应直方图均衡化(AHE)耦合拉普拉斯变换(AHE-LP)算法、基于反锐化掩膜(UM)的图层融合(LF-UM)算法),该算法的综合评价指标值分别提高了0.28,0.11,0.23,0.38,0.57,0.04,0.10,图像亮度、清晰度和对比度均得到了较大提升,并且实现了噪声抑制和边缘锐化,表明该算法适用于矿井复杂作业环境中红外图像的增强处理。

基于改进YOLOv3的高压输电线路关键部件检测方法

针对高压输电线路后期的缺陷检测和故障诊断,保障电力系统的稳定运行,实现无人机(UAV)巡检的智能化,提出基于改进YOLOv3的高压输电线路关键部件目标检测算法。该算法引入了Res2Net残差模块替换原有的残差模块,用更少的模块获得更高的特征提取效率,有效提升了网络的细粒度检测能力,解决了输电巡检目标多样化、角度多变的问题;同时借鉴了知识蒸馏的迁移学习方案,加强了浅层信息的融合,相比于原网络提高了准确率,减少了漏检率。最后将该算法应用于自建航拍数据集上,实验结果表明,基于YOLOv3的改进网络能够实现巡检关键部件的同步快速定位,此方法构建模型的平均准确率达到90.9%,运行速度为42 frame/s。

自动化专业教学改革与实践

结合人才培养总体目标和自动化专业教学的实际情况,我们进一步明确了自动化专业人才培养的目标和要求,积极探索新的人才培养模式,对课程体系、教学内容、实践环节、教学方法进行了全面深入的研究、改革和建设,对培养学生的实践能力、创新能力以及提高综合素质发挥了良好的作用。

优化实践教学计划 加强创新能力培养

结合人才培养总体目标和自动化专业教学的实际情况,制定了新的实践教学计划,包括实践教学计划的设计思路、实践教学环节体系和具体计划。新计划的实施对于培养学生的实践能力、创新能力以及提高综合素质发挥了良好的作用。

基于改进DenseNet的牛眼图像特征提取方法

针对牛眼图像特征提取过程中由于梯度消失和过拟合造成的识别准确率较低的问题,提出一种基于改进DenseNet的牛眼图像特征提取方法。首先采用缩放指数线性单元(SeLU)激活函数防止网络梯度消失;其次通过DropBlock随机丢弃牛眼图像的特征块,从而防止过拟合,并加强网络的泛化能力;最后将改进后的稠密层进行叠加以组成改进的DenseNet(Dense convolutional Network)。在自建牛眼图像数据集上进行特征信息提取识别实验的结果表明,改进后的DenseNet识别准确率、精确率和召回率分别为97.47%、98.11%和97.90%;较改进前的网络在识别准确率、精确率和召回率上分别提升了2.52个百分点、3.32个百分点和2.94个百分点,可见改进后的网络具有较高的精度与鲁棒性。

自动化专业学年论文的教学改革探索

我校连续五年在学年论文环节鼓励学生围绕单片机自主设计微型控制系统,通过全面的训练使学生的动手能力得到切实的加强,在提高学生实践能力、创新能力以及综合素质方面发挥了良好的作用。

非完整约束多智能体系统基于屏障控制函数的分布式协同控制

本文设计了一种基于屏障控制函数(CBF)的分布式协同控制算法,实现了领航–跟随者框架下非完整约束多智能体系统的连通性与编队控制.首先,通过将连通性保持问题建模为系统约束,定义了该约束的调零屏障函数(ZBF).其次,在此基础上,构建李雅普诺夫函数与角速度输入之间的关系,对跟随者智能体设计了基于调零屏障函数的协同控制算法,其中线速度控制器保证跟随者的速度的跟踪与队形的跟踪,而梯度型角速度控制器实现跟随者角度的矫正.然后,利用调零屏障函数不变集相关引理证明了连通性约束集为正不变集,若初始时刻连通,则跟随者智能体始终与领航者保持连通性.同时,本文提出的算法实现编队误差的渐近收敛.本文中的队形适用常见的固定队形编队需求,也适用于领航者是动态(有线速度和角速度)的情况.最后,通过数值仿真进一步验证了该算法在不同队形需求下的有效性.

新工科建设背景下地方高校产学研协同育人面临的机遇与挑战

教育部提出的新工科建设中,其人才培养的目的之一是培育具有工程实践能力的创新型人才,需要加大对产学合作协同育人项目的支持力度。本文针对新工科建设背景下地方高校产学研协同育人面临的机遇与挑战进行了初步探索,探讨了当前产学研协同育人模式的发展现状,并分析了产学研联合育人过程中面临的瓶颈,着重给出了产学研协同育人模式的升级思路,以供参考。

BD Phoenix 100全自动微生物分析系统性能验证评价

目的进行BD Phoenix 100全自动微生物分析系统的鉴定和药敏试验性能评价。方法对15株菌株进行30次鉴定(每株检测2次),对金黄色葡萄球菌(ATCC29213)、大肠埃希菌(ATCC25922)、铜绿假单胞菌(ATCC27853)进行90次药敏试验(每日3次,连续5 d,再重复1次)。分析BD Phoenix 100全自动微生物分析系统的鉴定准确度和精密度、药敏试验准确度和精密度、检测时间。结果BD Phoenix 100全自动微生物分析系统的鉴定准确度为97.73%、精密度为100.00%,药敏试验准确度为99.89%、精密度为95.96%,检测时间为13.90 h。结论BD Phoenix 100全自动微生物分析系统的鉴定和药敏试验的准确度和精密度都很高,检测时间比较短,适用于临床微生物的准确、快速鉴定,能为临床合理使用抗菌药物提供可靠的参考数据。

基于新课改理念的高中英语写作教学策略

新高考更加重视对学生英语综合能力的考查,教师需要紧跟新高考改革要求创新教学方法,构建满足学生综合发展的语言环境。写作是学生英语学习的薄弱环节,教师需要紧跟教学目标的变革,引进更加新颖的教学方法,以提升学生的写作能力和发展学生写作思维。基于此,本文将对基于新课改理念的高中英语写作教学策略进行详细分析。

基于屏障控制函数的轮式机器人系统多目标分布式协同控制

受多目标优化理论的启发,针对非完整约束轮式机器人设计基于屏障控制函数的多目标协同控制算法.该方法可实现队形控制主目标、连通性次级目标以及避碰次级目标,其中将连通性保持和避碰问题建模为两个系统约束,屏障控制函数作为约束对应的惩罚函数,可解决系统有输入或状态约束的问题.通过获取的局部信息将系统状态约束转化为屏障控制函数,利用屏障控制函数的类李雅普诺夫特性对其导数引入约束,再通过保证约束集的正不变性,达到控制目标.所提出方法可有效地避免控制器在连通性约束和避碰约束边界处的频繁切换,减小机械疲劳,在理论上可进一步扩展次级目标的数目,实现多目标控制.另外,所提出的协同控制算法对编队队形没有特殊要求,适用于不同编队需求和通信拓扑情况.最后通过数值仿真验证了所提出算法在不同情况下的有效性.