基于深度学习的蔬菜田精准除草作业区域检测方法

【目的】蔬菜生长随机,杂草种类众多。传统杂草识别算法复杂,且仅识别出杂草,未能精准确定除草作业区域。本研究以蔬菜及其伴生杂草为研究对象,拟探索一种基于深度学习的杂草识别与精准除草作业区域检测方法。【方法】通过将原图切分网格图像,利用深度学习模型识别蔬菜、杂草及土壤,将包含杂草的网格图像标记为除草作业区域。选取ShuffleNet、DenseNet和ResNet模型开展识别试验,并采用精度、召回率、F_(1)值和总体准确率、平均准确率分别对验证集和测试集进行评价分析。【结果】所选的3种网络模型均能较好地识别杂草和蔬菜,其中ShuffleNet为杂草识别最优模型,其对杂草的识别具有较为均衡的精度和召回率,分别为95.5%、97%,且其识别速度也达最优,为68.37 fps,能够应用于实时杂草识别。【结论】本研究提出的除草作业区域检测方法具有高度的可行性和极佳的识别效果,可用于蔬菜田间杂草的精准防除。

基于深度学习的青椒识别研究

为解决青椒智能识别问题,以在自然环境中采集的苏椒1614图像为识别对象,采用深度学习方法,选择YOLO-v3,Faster R-CNN和CenterNet 3种神经网络进行深度学习模型训练,并比较分析不同深度学习模型的识别结果。试验结果表明,Faster R-CNN为青椒识别的最优模型,其精度、召回率和F1值分别达到92.4%,79%和85.2%,证明深度学习方法能够有效提取图像特征。研究为青椒的智能化识别与采摘提供依据。

基于机器视觉的除草机器人杂草识别

根据杂草颜色特征,提出了新的图像分割算法,在RGB空间直接将杂草从土壤背景中分割出来。首先顺序搜索图像中每一个像素点,如果当前像素RGB值中G>R且G>B,则将该像素值置1(杂草),否则为0(背景),从而完成图像分割。然后采用8邻域消除孤立点,并确定杂草区域位置。利用Visual C++开发了除草机器人杂草识别软件,设计了除草机器人结构模型。试验表明,该分割算法实时性好,可有效识别出杂草,并能够适应户外自然光变化。除草机器人机械臂能够准确定位,完成除草动作。

农田杂草识别方法研究进展

杂草识别是实现精确除草的前提。为此,阐述了利用形态特征、颜色特征、光谱特征、纹理特征以及多特征融合方法识别杂草的原理、研究现状和难点。同时,介绍了模式识别等方法在杂草识别中的应用;分析并比较了行间、行内杂草识别方法的特点,指出行内杂草的识别远复杂于行间杂草识别,是精确除草的难点,对农田杂草识别和精确除草有较好的参考价值。

基于深度学习的草坪杂草识别与除草剂喷施区域检测方法

本文以狗牙根草坪及其伴生杂草毛花雀稗、白三叶以及莎草为研究对象,提出了一种基于深度学习的草坪杂草识别及除草剂喷施区域检测方法。通过将原图划分为若干格子区域,利用神经网络模型对格子图片进行杂草识别,实现杂草定位并进而确定除草剂喷施区域。为探究不同神经网络模型对杂草识别的效果,选取VGGNet模型、GoogLeNet模型和ShuffleNet模型,分别以F_(1)值、准确率和识别速度进行对比分析。验证集下所有模型的F_(1)值都高于0.97,表明本研究中的三个模型对于杂草都有较好的识别效果。其中,GoogLeNet模型为杂草识别最优模型,拥有最为均衡的识别率和识别速度。其在测试集的平均准确率和识别速度分别为98.75%和36.9 fps,能够用于草坪实时杂草识别应用。结果表明,本研究提出的草坪杂草识别与除草剂喷施区域检测方法具有高度的可行性和较优的应用效果,可用于基于除草剂精准喷施的草坪杂草防控。

自然环境下茶树嫩梢识别方法研究

嫩梢识别是实现名优茶智能采摘的前提。本文以茶树嫩梢为研究对象,基于色彩因子开展了自然环境下嫩梢识别研究,提出了采用RGB空间的R-B、YIQ空间的I、Lab空间的b、HSI空间的S,以及YCrCb空间的Cb 5种色彩因子进行图像灰度化,并选择合适的方法进行图像阈值分割,最后采用中值滤波的方法消除噪声。试验结果表明,这些方法都能够在自然环境下有效地区分嫩梢和背景,为后续名优茶智能化采茶机的研究打下理论基础。

基于Bayes与SVM的玉米彩色图像分割新算法

提出了基于Bayes(贝叶斯)与SVM(支持向量机)的玉米彩色图像分割新算法。统计原始RGB图像中的玉米和土壤背景的均值向量和协方差矩阵,利用正态分布的Bayes分类器计算每个像素的目标和背景的判别函数值,用训练好的SVM对判别函数值进行分类,实现彩色图像分割。Matlab试验结果表明,该方法能够实现高光强下彩色图像分割,平均错分率为9.1%,平均漏分率为12.0%,平均相似度为80.8%。

除草机器人减震悬架越障性能分析

为能够同时进行苗间和行间除草的高效除草机器人配置了悬架机构,使机器人具有减震性能,提高了机器人农田适应性。设计并制作了机器人物理样机。越障过程分析表明,该机器人悬架具有较强的调节性能。运用ADAMS软件建立了机器人虚拟样机,分析了机器人在凸起、斜坡和凹坑地面的越障能力。仿真结果表明机器人在这3种地形上均有良好的适应性。

DSP在无传感器无刷直流电机控制中的应用

无刷直流电机中转子位置传感器的安装在许多场合下有着很大的缺点 ,文中提出一种简单算法来得到转子位置 ,并给出了以 TMS32 0 F2 40为核心设计的无位置传感器无刷直流电机控制系统的软硬件框图。文中还应用模糊单神经元自适应控制方法进行控制 ,取得了良好的控制效果。

基于人工智能的青菜幼苗与杂草识别方法

【目的】提出一种基于人工智能的青菜幼苗与杂草识别方法,以期解决杂草识别这一制约精确除草的瓶颈问题。【方法】以青菜幼苗及其伴生杂草为试验对象,通过神经网络模型识别青菜幼苗。青菜幼苗目标之外的绿色像素则认为是杂草,并利用颜色特征对杂草进行分割。为探究主流卷积神经网络(Convolutional Neural Networks,CNN)模型以及新兴Transformer神经网络模型在青菜识别中的效果,分别选取YOLOX模型和Deformable DETR模型,以识别率和识别性能作为评价指标进行对比分析。【结果】基于CNN的YOLOX模型和基于Transformer的Deformable DETR模型都能有效识别青菜幼苗。其中YOLOX模型为最优模型,平均精度和识别速度分别为98.1%和44.8 fps。【结论】将青菜幼苗之外的绿色目标视为杂草的思路不仅简化了杂草识别的复杂性,同时提高了杂草识别的泛化能力。提出的青菜幼苗与杂草识别方法可用于青菜幼苗生长管理的精准作业。

化工设计安全管理研究

化工设计安全管理是化工企业在生产过程中必须重视和加强的一项工作。探讨了化工设计和安全管理的相关问题,首先,介绍了化工设计的基本概念和流程,包括前期调研、方案设计、施工图设计等。其次,对化工设计安全管理的意义、现状、原则、方法和措施等进行了详细的论述,然后分析了化工设计中存在的安全隐患和风险,并提出了相应的安全管理措施。最后,结合实际案例,论述了化工设计和安全管理的重要性和必要性。

可编程逻辑器件在家电测试仪中的应用

在分析可编程逻辑器件 (PLD)的特点、设计技术及方法的基础上 ,重点介绍了采用PLD设计家电测试仪———绝缘、耐压测试仪 .与传统方法相比 ,这种方法更加经济、可靠 .

名优绿茶智能化采摘关键技术研究进展

阐述名优绿茶智能化采摘研究中的茶叶新梢与嫩芽识别、采摘点定位以及采茶机器人本体结构设计等关键技术,分析智能化采摘关键技术的原理和特点,指出复杂多扰动环境下,密集交错的多目标智能识别、精准定位与无损采摘等相关学科领域具有普遍意义的共性科学难题。通过总结现有技术存在的嫩芽识别精度低、定位误差大和采摘损伤芽头等问题,展望名优绿茶智能化采摘关键技术的研究趋势。

基于人工智能的作物与草坪杂草识别研究进展

杂草是造成作物减量、增加生产成本和降低经济增益的重要因素之一。传统杂草识别技术识别效率低,难以适应复杂环境。随着人工智能技术特别是深度卷积神经网络(Deep Convolutional Neural Networks, DCNN)的快速发展,其在杂草识别中的应用愈趋广泛,成为了最具发展潜能的识别方法。不同于以往杂草识别方法分类进行研究现状的综述,从研究对象的角度出发,分别对玉米等农作物、蔬菜等经济作物和草坪进行综述,并将识别方法集中于深度学习(Deep Learning, DL)等人工智能领域。研究中包括但不限于图像分割、杂草预处理、检测、定位及分类。查阅文献发现玉米是农作物中主要的研究对象,经济作物中则是生菜与甜菜,草坪研究起步虽晚但发展迅速,在上述作物的杂草识别中深度学习方法较传统识别方法均取得了更高的准确率及精度,更适于复杂环境中的检测。

移动应用远程诊断与热修复方法

本文提出了一种移动应用线上问题远程诊断与热修复方法。诊断功能包括,通过长连接远程下发指令至移动客户端,并设置触发条件,若发现线上问题,采集以下信息:设备和用户基本信息、堆栈信息、网络请求接口的流水信息、内存中的变量值。其中触发条件为一段返回布尔值的代码字符串,移动客户端接收到指令后通过轻量级的解释器将字符串解析成可执行的代码,并嵌入客户端附着执行。代码执行后若条件满足,即发生了指定的问题,采集上述调试信息以供诊断使用。热修复功能包括,当诊断到问题所在后,下发字符串代码至指定的方法或函数,并通过解释器解析成可执行的代码后整体或部分替代原方法或函数,替代的过程通过AOP实现。该方法通过下发预置触发条件的指令并结合解释器实现了一套完整的远程诊断和修复功能,提高了问题诊断以及修复的效率,且该方法能够顺利通过各移动平台严格的审核。

Kalman法预估无刷直流电机转子位置和速度

无刷直流电机的换相和控制都需要准确的转子位置信息 ,然而安装转子位置传感器有其难以克服的缺点。文章提出了一种根据端电压、反电势估算转子位置和速度的方法—卡尔曼算法 。

基于行为描述的移动应用开发方法

现有的移动应用开发模式为产品经理确定功能需求后,研发人员按照需求文档进行项目开发。测试人员在开发完成后根据用例测试应用是否满足功能需求。该模式下,产品经理、研发人员和测试人员对应用需求的理解以各自视角为基准。研发人员在模块开发时只有通用的代码规范标准,而无与具体功能需求相关联的约束,导致代码实现上功能划分不合理、接口职责不单一以及数据和状态组织不明确等问题。由此,本文提出了一种基于行为描述的移动应用开发模式。行为的发生可以用指定状态下特定数据值(或多个值的组合)来表示,即利用数据和状态描述行为。实践表明,本文提出的移动应用开发方法灵活、高效、扩展性强,具有较高实际应用价值。

基于数据和状态的移动应用可视化埋点方法

数据支撑业务的发展,驱动决策的落地。建立完整的数据采集、上报和分析平台非常必要。数据埋点作为一种最常用的用户行为统计方式,能够快速、准确地采集用户使用习惯以及App功能的反馈。埋点的本质为追踪用户操作或功能行为的发生,而用户的操作则会触发App功能的变化,这些变化最终会体现数据和状态的变化。由此,该文提出了一种基于数据和状态的移动应用可视化埋点方法,通过可视化界面设置埋点对应的数据和状态,继而在数据和状态发生变化时记录相应埋点。结果表明,该文提出的埋点方法灵活高效、可扩展性更强,具有较高实际应用价值。

MSN下族内可信蚁群机会路由改进算法

为解决移动社会网络(MSN)中节点惰性自私行为对消息传输的影响,结合MSN的簇聚社会网络特征,提出一种族内可信蚁群机会路由改进算法(Trust-ACO)。在传统蚁群算法基础上,通过计算节点间的综合信任值构造消息发送节点可信邻居节点集,避免惰性自私节点参与消息转发;引用节点间社会亲密度体现节点间的社会关系强度,形成依靠高传输意愿中继节点的优化启发函数,对蚂蚁信息素的更新进行改进。仿真结果表明,该算法在有效提高了网络传输可靠性,提升了消息转发性能,避免了自私节点的惰性传输行为。