基于改进YOLO v5的复杂环境下桑树枝干识别定位方法

为实现复杂自然环境下对桑树嫩叶处枝干的识别检测,改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状,解决识别目标姿态多样和环境复杂导致的低识别率问题,提出一种基于改进YOLO v5模型的桑树枝干识别模型(YOLO v5-mulberry),并结合深度相机构建定位系统。首先,在YOLO v5的骨干网络中加入CBAM(Convolutional block attention module)注意力机制,提高神经网络对桑树枝干的关注度;并增加小目标层使模型可检测4像素×4像素的目标,提高了模型检测小目标的性能;同时使用GIoU损失函数替换原始网络中的IoU损失函数,有效防止了预测框和真实框尺寸较小时无法正确反映预测框及真实框之间位置关系的情况;随后,完成深度图和彩色图的像素对齐,通过坐标系转换获取桑树枝干三维坐标。试验结果表明:YOLO v5-mulberry检测模型的平均精度均值为94.2%,较原模型提高16.9个百分点,置信度也提高12.1%;模型室外检测时应检测目标数53,实际检测目标数为48,检测率为90.57%;桑树嫩叶处枝干三维坐标识别定位系统的定位误差为(9.4985 mm,11.285 mm,19.11 mm),满足使用要求。该研究可实现桑树嫩叶处枝干的识别与定位,有助于推动桑叶智能化采摘机器人研究。

基于YOLOv3不同场景辣椒采摘机器人识别定位研究

针对辣椒采摘受环境光、枝叶遮挡和果实重叠的影响问题,构建了基于YOLOv3模型和realsense深度相机的识别定位系统,研究不同补光位置、枝叶遮挡和果实重叠程度对辣椒识别和定位精度的影响规律。结果表明:模型召回率Recall达0.98,平均精度均值mAP达0.95,精确率precision达0.854;不同光照场景下,识别成功率由高到低依次为正向光、顶光、侧光和背光;轻度枝叶遮挡和轻微果实重叠时,模型识别成功率均保持在96%左右,综合定位误差最大为0.024m,满足辣椒采摘机器人识别和定位精度需求。

基于深度学习的枪声联合识别定位

针对现有枪声识别与定位任务中,识别与定位需分别进行,造成计算耗时、系统冗余、开发流程复杂等问题,提出使用一个Two Stage CRNN深度学习网络模型处理枪声识别与定位任务。首先,对采集到的枪声信号进行对数梅尔变换并计算广义相变互相关谱作为网络模型输入;其次,第一阶段通过CRNN网络对枪声信号进行识别;最后,第二阶段通过引入掩码实现判断是否将CRNN网络权重共享实现定位。相关实验表明,此方法能有效解决传统方法中识别与定位任务分别实现、系统冗余、开发流程复杂的问题,在实现联合识别定位中具有一定的应用价值。

基于物联网技术的密闭室内元器件识别定位方法

常规的元器件识别定位中,由于采用人工标定特征的方式,导致识别定位的误差较大,因此提出基于物联网技术的密闭室内元器件识别定位方法。基于物联网技术传感元器件的信息,并通过图像特征提取的方式识别元器件的状态,为了对元器件进行定位,采用相机呈现原理,构建坐标系定位元器件,实现识别定位方法的研究。实验中实验组的识别定位误差为1.05,对照组的识别定位误差为2.00,实验结果可以表现出所设计的识别定位方法的误差系数较低,相对传统技术具有一定的优势性。

新型无线电干扰信号识别定位方法探究

近年来,随着无线电技术在各个领域的迅猛发展,第五代通信技术已经在社会生产和生活中扮演着重要的角色。但是,不同电磁信号间干扰及人为信号干扰频发,使得现代城市中电磁环境越来越复杂。例如“伪基站”通过发射干扰信号非法占用其辐射区域内用户的频率资源,导致用户通话掉线率上升、“被迫”接收垃圾短信,严重影响用户体验。

基于机器视觉的导流片图像识别定位方法

微型半导体致冷器件(Micro-TEC)在生产过程中会存在导流片尺寸小、种类多、人工贴装难度大、精度低等问题,为提高生产质量和效率,本文提出一种基于Halcon视觉技术的导流片识别与定位检测方法。首先对导流片图像进行灰度化、ROI的确定、滤波去噪等图像预处理过程,得到二值化图像;其次对二值化图像进行形态学处理提取导流片的轮廓并创建模板;最后通过模板匹配比较待识别导流片的轮廓与创建的模板轮廓,根据需求确定导流片的贴装点位。实验结果表明,该算法能快速识别导流片并能准确地获取所需贴装点的位置信息,满足了应用要求。

基于改进YOLOv5s的辣椒采摘机器人识别定位方法

为了准确研究辣椒采摘机器人受不同作业场景影响的规律,利用获取的采摘目标信息构建基于改进YOLOv5s的辣椒采摘识别定位模型.基于光照强度、光照角度、枝叶遮挡和果实重叠等场景建立图像数据库,引入双向特征金字塔网络改进YOLOv5s的特征融合网络进行深层次特征提取,以增强网络的信息表达能力,提高检测精度.探讨不同场景对该模型检测精度P、检出率R和平均精度均值(mean average precision,MAP)的影响规律.结果表明:改进后YOLOv5s模型对辣椒的检测精度高达95.6%,较YOLOv4、YOLOv3、YOLOv2及Faster R-CNN模型分别提高了6.1%,9.3%,44.4%,8.2%;光照角度处于正面90°时的检测效果最佳,MAP达97.3%;模型在白天强光和傍晚弱光场景下的鲁棒性好,MAP值高于90%;模型在枝叶遮挡场景下比果实重叠时的检测精度高;辣椒距离相机坐标系的空间坐标测量值取0.2 m时的误差仅为1 mm,满足辣椒采摘定位精度需求.

基于改进YOLO v5s的甘蔗切种茎节特征识别定位技术

为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种,针对工厂化切种任务的特点,提出了一种基于改进YOLO v5s的甘蔗茎节特征边缘端识别与定位方法。首先,利用张正友相机标定法对摄像头进行畸变矫正;然后对甘蔗茎节数据集进行数据增强,利用原始的YOLO v5s模型进行训练和测试,结果显示数据增强能一定程度上提高检测精度。针对茎节特征目标小以及模型体积大导致检测精度低、部署难度高等问题,对YOLO v5s的骨干网络进行改进,在SPPF特征融合模块前引入坐标注意力(Coordinate attention,CA)模块和Ghost轻量化结构,在Head网络中剔除P5大目标检测头,得到了改进后甘蔗茎节检测模型YOLO v5s-CA-BackboneGhost-p34,测试结果表明该模型优于其他主流算法和原始模型,具有高精度、小体积等优势。其中,平均精度均值1和平均精度均值2分别提高5.2、16.5个百分点,模型浮点数计算量和内存占用量分别降低42%和51%。最后,为了提高检测速度和实时性,将模型部署于边缘端,利用TensorRT技术加快检测速度,并在传送速度为0.15 m/s的甘蔗智能横向切种工作站上完成实际切种实验。实验结果表明,加速后茎节检测速度达到95 f/s,实时检测定位平均误差约为2.4 mm,切种合格率为100%,漏检率0.4%,说明本文提出的模型具有高度可靠性和实用性,可以为甘蔗横向切种工作站的工厂化、智能化以及标准化应用提供有效的技术支持。

一种基于图像处理的舰载无人机识别定位方法

舰载无人机的自主降落问题越来越受到重视,图像处理方法以其高精度、低成本的优势受到青睐。首先研究在图像中无人机提取算法,用最大类间方差法对提取后图像进行处理,然后基于霍夫直线检测算法,通过对处理后图像进行霍夫直线变换将图像空间的点变换到霍夫空间,从而找出图像空间的直线,进一步标示无人机位置。最后,通过试飞无人机实地测试检验该算法的准确性及稳定性。结果表明,该检测方法准确度高,速度快,在2~10 m范围内均有良好的检测精度,验证了基于图像处理识别定位无人机的可行性,为舰载无人机精准降落奠定了技术基础。

地表未爆子弹药检测与识别定位技术研究综述

现代战争中,具有侦察、识别、打击、评估多种功能于一体的远程多用途子母弹被广泛应用,随之将在地表产生大量的未爆子弹药,对战场机动、疏散展开及纵深攻击等作战行动产生极大的阻碍作用。地表未爆子弹药因其特殊的可视特性,利用成像技术和深度学习技术进行远距离、大面积、无接触式快速准确检测与识别,在军事上具有重要的应用价值。论文介绍了未爆子弹药检测常用方法及优缺点,概述了未爆子弹药在不同成像技术条件下的成像特点及其识别定位方法,分析了深度学习在未爆子弹药检测与识别领域的显著优势,并提出一种基于深度学习的无人机载式地表未爆子弹药快速检测与识别定位方法。

基于Apriltag的室外抗干扰识别定位系统研究

图像识别定位技术是实现工业自动化、智能化的关键。实际应用中,在室外干扰环境下目标经常出现被部分遮挡等情况,导致图像识别定位失效。针对室外干扰环境下图像识别定位失效问题,文中提出一种基于Apriltag的室外抗干扰识别定位系统,用以替代常规图像识别定位系统。将Apriltag特性与单目视觉原理结合,构建基于Apriltag的图像识别定位系统。利用Apriltag检测算法和基于SURF特征检测的遮挡目标识别算法实现全天候、抗干扰的室外目标识别和定位。采用基于Apriltag的定位靶标、工业相机和工控机等搭建实验系统,实验结果表明该系统在室外干扰环境下XY平面的定位误差分别为1.44 mm和1.36 mm,识别时间为90 ms。在重复实验下误差波动幅度小于0.5 mm,表明该识别定位系统具有高精度、快速性和稳定性。

设备舱元件高精度自动识别定位及智能松紧系统

受设备舱动态因素复杂性的影响,相关管理辅助系统的性能难以实现对其的高度适应,为此,提出设备舱元件高精度自动识别定位及智能松紧系统研究。将采用了全IP架构以及网络分布式技术的GF-KVM-HDF-IHDW可视化综合智能管理装置作为系统的核心硬件,利用设备舱状态数据的面残差实现对元件位置的定位,利用设备的应力状态实现对松紧状态的调节。测试结果表明,在不同测试场景下,设计系统功能运行输出对应的时间开销始终稳定在5.0s以内,具有良好的适应性。

跨尺度微小型零件的识别定位与装配

针对微小型零件装配过程中基体件尺寸过大与显微视觉视场较小相矛盾的问题,研究了显微视场下的微小型零件识别定位技术。为提高微装配精度,首先,通过图像预处理去除噪声干扰;然后,采用最小二乘法和形状模板匹配方法检测目标件参考基准点与偏角;最后,通过零件位姿信息的坐标转换,实现了微小型零件的精确装配。经过实验验证,关键零件的装配精度满足工艺要求,配合偏差优于5μm,平行度优于0.003°,该装配方案可靠地完成了跨尺度微小型零件的高精度装配。

高空水上桥梁的一种识别定位方法

以水上桥梁的航空照片为基础,提出了一种对水上桥梁自动识别定位的方法。采用了基于假设检验的方法,主要包括根据水上桥梁的特点提出的先验知识,河流区域与非河流区域分割,桥面主边缘的检测定位以及对假设的检验。根据航空照片噪声干扰大的特点,采用了抗干扰能力强的Hough变换,并根据需要,对Hough进行了一些改进。本方法在试验中已经取得了很好的识别效果。

储罐底板腐蚀声发射源的识别定位

基于储罐底板声发射源定位的基本理论,提出在储罐内部介质中放入传感器,与布置在罐外壁上罐底附近的传感器共同对储罐底板腐蚀缺陷声发射源进行识别的方法;分别进行了模拟储罐底板声源识别定位,模拟储罐声发射衰减特性与储罐底板腐蚀声发射源识别试验。结果表明,该声源识别定位方法可提高任意三角形定位中的检测对声源的识别度,增加罐底区域定位的面积,减少由于声波衰减而造成的漏检;另外,罐内传感器较罐外传感器对腐蚀声源的识别更为敏感,并可减小气候等因素带来的外界干扰对声源识别定位的影响。因此,该方法可提高声发射对储罐底板声源识别定位的可靠性,为储罐底板的声发射检测评价提供理论和试验依据。

一种基于灰度特征的快速识别定位算法

以动态连续图象的实时识别与定位为应用背景,提出了一种简单的快速识别定位算法．该算法以列扫描灰度特征差异为基础,可以快速地识别出目标,最后通过一系列的实验验证了该算法的快速性．

面向分拣机器人的多目标视觉识别定位方法

针对分拣机器人作业目标的结构形状复杂、位置随机摆放等干扰因素的问题,提出了面向分拣机器人的多目标视觉识别定位方法。基于四自由度Dobot机器人构建了具有视觉感知的分拣机器人系统,视觉系统获取传送带上多目标的图像,图像预处理算法提高分拣目标的对比度,构建圆形和线性结构元素对最大类间方差法分割的多目标区域进行填充和边缘平滑。建立基于图像信息的质心坐标,对多目标区域的连通域进行识别与定位。实验结果表明,该方法能够实现对多目标数量的统计,在分拣机器人的手眼标定的基础上,实现了对形状复杂、位置随机的多目标进行识别与定位,为分拣机器人的自主抓取、分拣提供位置信息。

面向分拣机器人的多目标视觉识别定位方法研究

现在分拣机器人在使用的时候会出现很多问题,针对这些问题人们提出了一种解决问题的方法,这种方法就是面向分拣机器人的多目标视觉识别定位方法。通过分析分拣机器人系统内容和实验,发现面向分拣机器人的多目标视觉识别定位方法在使用的时候能够真正的提供相应的位置信息,同时给以后的生产带来非常大的帮助。

基于Hu矩和递进Hough变换的SOT元件识别定位算法

为了实现贴片机对SOT元件的高精度、高质量的识别定位,提出了一种基于Hu矩和递进Hough变换的SOT元件识别算法。该算法首先对采集图像进行预处理,在二值化图像的基础上提取元件主体轮廓,采用八邻域跟踪算法对轮廓信息进行提取;然后利用元件主体轮廓的面积和Hu矩,对SOT元件进行识别检测;最后在识别的基础上,对其进行递进hough变换的定位检测。实验表明:该方法可提高元件识别率,且在定位时具有耗时短、精度高等优点,能较好满足贴片机高精度高质量的要求。

面向微装配的零件识别定位方法研究

针对平板类微小零件装配问题,在搭建了微小型零件装配系统实验平台的基础上,开发了微装配控制系统,并对装配流程进行了分析研究。根据平板类微小型零件的特点,在微装配识别定位模块,对零件识别定位方法进行了研究,开发了基于形状模板的匹配算法。该模块首先将模板图像与目标图像进行高斯滤波,得到平滑图像,并对平滑图像二值化以及对模板二值图像进行去噪;其次,通过Sobel滤波器计算边缘点的方向向量,定义相似性度量;最后,通过图像金字塔加快匹配速度,并利用最小二乘法达到亚像素级定位精度。实验分析表明,此方法识别率高、匹配速度快、定位精度高,能够较好的满足实际要求。