强化矿区周边重金属铅污染土壤电动修复技术

通过对铅锌矿山周边铅污染土壤进行电动修复8天,重金属铅总浓度去除率约36.7%,采用间隔断电强化电动修复的方法进行修复,重金属铅的去除率达55.7%,高于传统电动修复。对于土壤有效态铅,间隔断电电动修复法去除率为66.9%,同样高于传统电动修复的有效态铅52.2%去除率。实验证明,间隔断电法在断电又通电的一段时间内提高土壤中的电流强度,使得电流的下降段变长,有利于提高去除率,是一种有效的强化电动修复土壤重金属的方法。

采用改进YOLOv4-Tiny模型的柑橘木虱识别

黄龙病是一种以柑橘木虱为传播媒介的毁灭性病害,其关键预防措施是在果园现场环境对柑橘木虱识别监测,辅助果农进行早期防治。该研究基于YOLOv4-Tiny模型提出一种适用于嵌入式系统的柑橘木虱识别模型。通过改进YOLOv4-Tiny模型的颈部网络,利用浅层网络的细节信息以提高模型识别柑橘木虱的平均精度;采用交叉小批量归一化(Cross mini-Batch Normalization,CmBN)方法代替批归一化(Batch Normalization,BN)方法,通过累计卷积层的输出,提升统计信息的准确度;针对柑橘木虱易被遮挡的问题,模型训练时使用Mosaic数据增强,提升模型对遮挡目标的识别能力。通过自行建立的柑橘木虱图像数据集完成模型的试验验证。结果表明,该模型的柑橘木虱平均识别精度为96.16%,在图形处理器(Graphics Processing Unit,GPU)上的推理速度为3.63 ms/帧,模型大小为24.5 MB,实现了果园环境下快速准确地识别柑橘木虱,可为黄龙病防治技术的进一步发展提供参考。

小型两轮自平衡电动车系统的设计与研究

在小型两轮自平衡电动车控制方案中,常使用加速度计和陀螺仪作为其姿态检测传感器。但两者检测到的数据均存在误差,需要采用滤波器对其进行滤波。常用的有卡尔曼滤波器与互补滤波器,通过对两者算法进行仿真比较,以及在实际设计运用中加以验证,实验结果证明在此控制方案中卡尔曼滤波器优于互补滤波器。

基于边缘计算的柑橘果实识别系统的设计

针对当前柑橘果实目标检测模型多数需在服务器上运行,难以直接在果园部署且识别实时性较差等问题,设计了基于边缘计算设备的便携式柑橘果实识别系统。该系统由优化的目标检测模型和嵌入式智能平台组成;通过扩展YOLOv4-Tiny目标检测算法,将所有批量归一化层合并到卷积层,加快模型前向推理速度;采用多尺度结构并使用K-means聚类方法获得柑橘数据集的先验框大小,使网络模型对柑橘果实识别具有更强的鲁棒性;使用GIOU距离度量损失函数,使网络模型更加关注柑橘图像中重叠遮挡的区域。将改进算法部署到嵌入式平台Jetson nano,试验结果表明,识别系统对柑橘果实的识别平均准确率达93.01%,单幅图片的推断时间约为150 ms,对视频的识别速率为16帧/s。

基于模型剪枝改进FCOS的实时柑橘检测研究

为实现快速实时的柑橘视觉检测,提出了一种基于模型剪枝的多维度特征Slim-FOCS逐像素目标检测算法,可实现自然环境下成熟柑橘高效快速检测。使用FCOS模型架构,选用Darknet 19作为模型主干网络,设计FPN多尺度特征提取网络融合柑橘图像不同尺度的特征,加强主干网络中的视觉特征提取。初训练完成后进行模型剪枝,将每一层的权重以通道(channel)为基准计算特征的L2 normalization,将小于30%的通道删除后进行模型微调。对柑橘图像进行检测并分析模型,检测结果表明,对柑橘检测的准确率(mAP)达到96.01%,模型所需的计算力(Flops)为0.88 G,参数占用内存为29.79 MB,相比于剪枝前分别减少了1.878 G、24.86 MB。对单张图片在CPU的检测速度达到22.9 ms·张-1。