基于多尺度特征融合的食用葡萄细粒度分类方法

中国葡萄种植规模逐年扩大,但由于混种、串粉等导致了葡萄品种混杂,葡萄的分类筛选工作成为限制农业生产效率的重要因素。为了提高生产中葡萄品种分类精度,本文基于计算机视觉技术和深度学习理论,设计了多尺度特征融合网络(Multi-Scale Feature Fusion Network,MSFF-Net)。首先通过混合注意力模块改进ResNet34残差模块,提高模块关键特征提取能力;然后采用双线性结构,改进网络提取葡萄图像的二阶特征;最后通过融合二阶特征和交叉双线性特征,建立了一种基于多尺度特征融合网络的食用葡萄分类模型。在葡萄分类试验中,达到了96.97%的识别精度,相较于对照模型,取得了更高的精度。

自走式草莓施药机设计与轨迹仿真可靠性分析

针对草莓植保机械化水平低、施药效果差、农药污染等问题,根据草莓垄道设计一款自走式草莓施药机。该施药机配备履带底盘、隔膜泵、机械臂及喷杆等部件。通过D-H参数法建立机械臂运动数学模型,推导出理论运动学方程,得到喷杆与各关节的相对位姿关系。通过Matlab软件进行机械臂运动仿真,模拟机械臂作业空间及轨迹。对机械臂作业轨迹进行可靠性分析,得出最佳速度参数。结果表明:施药机设计合理、推导的理论运动学方程准确,能够满足施药作业的需要,且达到作业轨迹可靠性原则的要求。当履带底盘速度为1.32 m/s、基座转角速度为10.16(°)/min、大臂转角速度为30.41(°)/min、末端执行器转角速度为81.33(°)/min时,喷杆与作物能够保持稳定的相对高度,设备作业轨迹与理想作业轨迹最贴合。

基于改进轻量化EfficientNet-V2模型的小麦种子分类

小麦种子常混有燕麦、大麦等其他种子,如何分类足够纯度的种子是一个重要问题。为解决种子纯度问题,提出一种基于改进的EfficientNet-V2模型的种子分类方法,将其命名为CA-EfficientNet-V2_xs。首先,通过购买常用小麦种子(含有常见的燕麦、大麦等杂种),自制数据集;其次,为加快训练以及针对自制数据集数量不足的问题,采用迁移学习的方法;再次,为更好地帮助模型更加精准地定位和识别感兴趣的目标,将采用Coordinate Attention(CA)注意力机制来替换SE注意力机制;最后,通过精简网络结构使模型更小、训练速度更快。试验表明,改进后模型的分类准确率达到99.7%,比未改进之前的网络分类准确率提升1.3%;与EfficientNet-V2_s模型的78 MB相比,改进后模型大小降至3.8 MB,模型大小降低;改进后的模型速度比主流网络更快。