基于生成对抗网络与ICNet的羊骨架图像实时语义分割

研究了羊骨架图像生成技术与基于ICNet的羊骨架图像实时语义分割方法。通过DCGAN、SinGAN、BigGAN 3种生成对抗网络生成图像效果对比,优选BigGAN作为羊骨架图像生成网络,扩充了羊骨架图像数据量。在此基础上,将生成图像与原始图像建立组合数据集,引入迁移学习训练ICNet,并保存最优模型,获取该模型对羊骨架脊椎、肋部、颈部的分割精度、MIoU以及单幅图像平均处理时间,并以此作为羊骨架图像语义分割效果的评判标准。结果表明,最优模型对羊骨架3部位分割精度和MIoU分别为93.68%、96.37%、89.77%和85.85%、90.64%、75.77%,单幅图像平均处理时间为87 ms。通过模拟不同光照条件下羊骨架图像来判断ICNet的泛化能力,通过与常用的U Net、DeepLabV3、PSPNet、Fast SCNN 4种图像语义分割模型进行对比来验证ICNet综合分割能力,通过对比中分辨率下不同分支权重的网络分割精度来寻求最优权值。结果表明,ICNet与前3种模型的分割精度、MIoU相差不大,但处理时间分别缩短了72.98%、40.82%、88.86%;虽然Fast SCNN单幅图像处理时间较ICNet缩短了43.68%,但MIoU降低了4.5个百分点,且当中分辨率分支权重为0.42时,ICNet分割精度达到最高。研究表明本文方法具有较高的分割精度、良好的实时性和一定的泛化能力,综合分割能力较优。

基于表面凹凸性的羊胴体点云分割方法

羊胴体自动化分割对于提高羊屠宰加工企业生产效率有重要意义。为实现将羊胴体点云精准高效地分割为多分体,研究了一种基于表面凹凸性的羊胴体点云分割方法。以倒挂状态下的巴美肉羊胴体为研究对象,利用三维激光扫描仪获取羊胴体点云。首先,对羊胴体点云进行预处理,去除离群点噪声和采用体素滤波的方法进行下采样;并将羊胴体点云超体素化,以获取超体素邻接图;然后,对超体素邻接图中相邻点云的公共边进行凹凸性判断,将凹边凸边赋予不同权重;并由得分评估函数计算不同权重点云的得分,将结果与参数S_(min)作比较;最后,根据比较结果确定分割区域,完成对羊胴体点云的分割。试验结果表明:羊胴体点云分割的平均精确度、平均召回率、平均F1值和平均总体准确率分别为92.3%、91.3%、91.8%、92.1%。各分体的平均分割精确度分别为92.7%、90.7%、92.6%、93.2%、92.5%、92.2%,各分体的平均分割召回率分别为86.0%、93.2%、92.8%、91.6%、90.9%、93.4%,处理单只羊胴体点云的平均时长为18.82 s。通过处理多分体组合点云以及多体型羊胴体点云判断本文方法的适用性,并引入区域生长、欧氏聚类2种点云分割方法进行对比试验,验证本文方法的综合分割能力。研究表明本文方法具有较高的分割精度、一定的实时性和良好的适用性,综合分割能力较优。

基于U型卷积神经网络的羊肋排图像分割

以羊肋排为研究对象,提出了一种基于U型卷积神经网络的羊肋排图像分割算法。采集羊肋排样本图像,利用图像增广技术扩充图像数据,经归一化后,建立羊肋排图像数据集;建立羊肋排图像分割模型U-Net,以卷积和池化运算提取肋排特征,融合肋排的深层特征和浅层特征,经多次反卷积操作实现融合特征的精准定位,得到肋排区域的二值图像,从而实现端到端的图像语义分割;引入精度(PA)、均像素精度(MPA)、平均交并比(MIoU)3种图像语义分割评判标准判断网络的分割性能。试验结果表明:U-Net分割肋排图像PA、MPA、MIoU分别为92.38%,88.52%,84.26%。比较现有的3种经典图像语义分割方法 SegNet、FCN8s、FCN32s,U-Net平均交并比(MIoU)较上述3种方法分别高出6.47%,15.34%,25.86%,且处理单幅肋排图像的时间比次优的SegNet缩短48ms。针对劈半羊胴体图像数据集,U-Net的MIoU为75.57%。

基于单阶段目标检测算法的羊肉多分体实时分类检测

针对输送带场景中羊肉分体需要进一步分类检测问题,提出一种基于单阶段目标检测算法的羊肉多分体实时分类检测方法。在羊屠宰车间环境下采集包含多类、多个羊肉分体图像,经图像增广及归一化后建立羊肉多分体图像数据集,其中训练集7200幅,测试集1400幅,验证集400幅。利用单阶段目标检测算法YOLO v3引入迁移学习对羊肉多分体图像数据集展开训练并获得最优模型,基于最优模型返回图像中各羊肉分体的类别及其位置,从而实现羊肉分体的分类检测。选用平均精度及单幅图像平均处理时间作为评判模型检测精度与速度指标。然后通过更换羊肉多分体识别模型的特征提取网络优化检测速度。另外设置包含亮、暗两种亮度水平的附加光照数据集以及代表羊肉分体遮挡情形的附加遮挡数据集,分别验证优化后模型的泛化能力与抗干扰能力,并通过多尺度特征明显的颈部与腹肋肉测试优化后模型的鲁棒性。最后引入Mask R-CNN、Faster R-CNN、Cascade R-CNN和SSD 4种常用目标检测算法针对不同数据集分别进行对比试验,在此基础上,进一步更换特征提取网络为MobileNet V1、ResNet34和ResNet50验证优化后模型的综合检测能力。试验结果表明,优化后模型的检测速度较原始模型提升48.53%,同时对光照、遮挡复杂环境下羊肉多分体识别具备较强的泛化能力与抗干扰能力,以及对多尺度特征显著的羊肉分体检测具有良好的鲁棒性,针对羊肉多分体图像验证集,优化后羊肉多分体识别模型的平均精度达到88.05%,单幅图像处理时间为64.7 ms,综合检测能力优于其他算法,说明该方法具备较高的检测精度和良好的实时性,能够满足实际生产需求。

钢渣在流化床中碳酸盐化的数值模拟

文章采用数值模拟的方法来模拟钢渣在流化床中的碳酸盐化反应。运用双流体模型来描述流化床中的气固两相流动。采用未反应核模型计算反应速率,扩散系数根据反应过程中颗粒孔隙结构的变化进行了相应的修正。通过UDF自定义程序导入化学反应速率,实现流化床内气固两相流动、传质和化学反应之间的耦合。模拟结果可知颗粒粒径、反应温度、吹气速度、CO_2浓度均对反应有一定的影响,缩小颗粒粒径,提高反应温度、吹气速度、CO_2浓度都可以提高反应效率,其中CO_2浓度对反应速度影响较大。

石油化工生产节能措施分析

首先对节能生产理念在石油化工行业中的重要意义进行介绍,分别从资源紧缺与市场需求两方面来进行。其次重点介绍开展节能生产的具体措施,提出改进生产工艺,引用先进节能设备。最后对具体的节电措施进行总结,帮助提升生产效率。

如何加强高速公路施工工程管理

近年来,国内社会经济形势的迅猛发展,带动了公路建设特别是高速公路建设事业的全面开花。在此背景下,社会对高速公路项目工程质量要求也在不断提升,因此相关的建设单位应当在充分认识当前高速公路施工管理工作中存在的问题的基础上,采取措施有针对性地加强施工管理工作,强化工程质量意识。本文从高速公路施工管理现状出发,具体研究了有效加强施工管理的策略。

机器视觉在农业生产中的运用与技术

文章主要以机器视觉在农业生产中的运用为中心,首先分析了机器视觉技术,其次从水果自动分选、种子品质检测、农田机械作业应用、植物生长检测中的运用、动物生产中的运用等方面的应用进行了技术分析,主要目的在于提高机器视觉在农业生产中的应用质量,促进农业现代化发展。

基于机器视觉和机器学习的羊骨架自动分割方法

为实现羊骨架自动化加工,提出一种基于机器视觉和机器学习技术的羊骨架自动分割方法。采集396组羊骨架样本,利用图像处理技术提取24组坐标参数,分别为羊骨架躯体、腰椎、颈部和胸腔等4个部位最小外接矩形的6个特征点(中心、质心和4个顶点坐标)。通过显著性检验筛选出16组特征,进行异常值检测和归一化操作,按7∶3的比例划分训练集和测试集。对比Lasso、Ridge、SVR和GBDT机器学习模型预测效果,优选Lasso、SVR和GBDT作为个体学习器,以0.30∶0.25∶0.45的权重集成时,模型预测效果最优,均方根误差为7.93。在验证集上坐标残差绝对平均值为2.32像素点,拟合度R^2为0.961,在测试集上坐标残差绝对平均值为2.53像素点,拟合度R^2为0.947,测试表明模型预测精度较高且泛化能力较强。搭建多关节机器人平台进行分割试验,轨迹预测精度达到3.4 mm,理论效率达413只/h,约提升了37.9%,表明该方法有效可行且效率显著提升。

路桥工程中软土地基施工策略

在路桥工程中,施工质量直接决定着工程整体质量。从软土地基本身的基本特点出发,阐述目前工程施工中面临的软土地基问题,并总结有针对性的施工技巧,可供广大同行参考。

改进DeepLabv3+和XGBoost的羊骨架切割方法

为实现羊骨架自动切割,提出一种基于DeepLabv3+和XGBoost的羊骨架切割方法。该方法通过研究Deep-LabV3+网络架构,基于ResNet-101搭建了4种基础网络,通过调整空洞卷积的扩张率和引入可形变卷积核的方法设计改进了2种ASPP结构。共搭建8种羊骨架特征部位分割网络,按照6∶2∶2的比例划分数据集。与DeepLabv3+进行对比实验,优化后DeepLabv3+的mIoU、PA和F值分别为0.849、0.870和0.879,能够较好地实现羊骨架特征部位分割。基于分割结果对羊骨架特征部位进行特征提取,共获得35组形位特征参数,对特征集进行归一化等预处理操作。基于XGBoost搭建羊骨架切割位置预测模型,模型均方根误差MSE为8.18,拟合度R2为0.949,坐标残差绝对平均值为2.47像素点,模型具有较强的预测能力和泛化能力。基于机器人平台进行切割实验,采用3组样本进行对比实验,羊骨架切割精度为3.25 mm,理论效率为413只/h,约提升37.9%,结果表明该方法有效可行且具备较高精度。

基于点云变形分析的羊胴体最佳宰后成熟时间确定方法

为探索羊胴体最佳宰后成熟时间在实际生产过程中应用的方法,以变形检测技术为主要手段,研究通过观测羊胴体宰后成熟过程中的变形情况来确定胴体最佳宰后成熟时间的可行性。以同批宰杀的杜泊绵羊和巴美肉羊胴体作为试验样本,宰杀后静置于恒温排酸间并在宰后一定时间点使用激光扫描仪采集整只胴体的三维点云模型,经过预处理和配准后借助三维色谱图确定胴体上变形显著的感兴趣区域,计算其变形量的同时测定其肉样的pH值和水分含量随时间的损失率两项指标,通过分析两项指标初始值的分布性和一致性筛选用于相关性分析样本集,通过相关系数判断其变形量与上述两项指标之间变化的相关程度。结果表明,试验样本在感兴趣区域的变形量与上述两项指标在宰后成熟过程中变化的相关系数均分别达到0.875和0.944以上,呈现高度相关性。结合从传统方法中得出的研究结论,验证了通过外部观测宰后胴体的变形情况来判断胴体最佳宰后成熟时间的可行性。

不同培养液对水螅生长和再生的影响

指出了水螅在教学中是良好的试验材料,养好水螅对教学和科研十分重要。分别采用7种不同的培养液对水螅进行培养,探究了不同培养液对水螅生长和再生的影响。试验中每种培养液设置3组平行试验,每皿初始培养水螅个数为5只。结果表明:①水螅在自来水中生长速度最快;水螅在白开水和农夫山泉包装饮用水中生长速度较快;水螅生长速度较慢的是凉白开包装饮用水、纯净水;超纯水中的水螅几乎不生长;苏打水中水螅全部死亡。②整体来看,试验初期水螅生长速度较慢、出芽数量较少;试验中后期水螅生长速度较快、出芽数量较多。通过试验可以得出:水螅最适生长和再生的培养液为暴露一周左右的自来水,其次是白开水和农夫山泉包装饮用水;不适合水螅生长和再生的培养液是纯净水和凉白开包装饮用水:不能用于水螅生长和再生的培养液是超纯水、苏打水。

浅谈汽车发动机常见故障与处理

伴随着汽车发动机技术发展的越来越成熟,汽车发动机的故障出现率也在逐渐降低。可在长时期的运用过程中,如果出现不当使用或者缺少维修保养,再加上有部分零部件产生老化磨损,那么将会不可避免的会产生多种故障。下面将重点分析汽车发动机常见故障,提出对应的处理措施。

机械结构组合对称概念体系及应用分析

在社会生产中,机械设备的应用非常广泛,而机械结构组合对称性直接影响机械设备的整体性能。为了将结构组合对称性思想应用到机械设计中,从主体、对称基准角度分析了对称机械体系结构,并提出构建单层与多层、串联与并联关系的机械结构组成概念体系。

基于可行能力视角的河北省电商扶贫模式研究

近几年来,随着电子商务的不断普及,电商扶贫成为了一种实现精准扶贫的重要扶贫模式。研究发现,在可行范围内,目前农村电商扶贫主要有“贫困户+电子商务”和“合作社+电子商务”和“贫困户+企业+电子商务”三种扶贫模式。在迅速发展的同时却还受许多因素限制,如专业人才匮乏,基础设施不完善,市场竞争力弱等主要问题,要通过培养电商人才,加强基础设施建设等方式来推动电商扶贫的进一步发展。同时,又异军突起一种新的电商扶贫模式——直播助农模式,它具有强大的生命力,能更好的推动河北省扶贫工作的展开,帮助河北省贫困地区尽快减贫,早日脱贫。

钢渣碳酸盐化的动力学模型

钢渣碳酸盐化反应可以有效的消解钢渣中的f-CaO,稳定钢渣的物理化学性质。采用未反应核模型对钢渣碳酸盐化反应的动力学进行了研究,通过查阅文献找出了反应过程颗粒孔隙结构相关参数的变化规律,由此修正了扩散系数,得出扩散系数与转化率之间的关系。根据修正后的模型对不同粒度钢渣反应控制环节进行了判断,通过综合考虑钢渣碳酸盐化的粒径应控制在180μm之内。