基于轻量化YOLOv4对不同遮挡程度成熟番茄果实的识别

【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghostnet,对遮挡程度小于35%、35%~65%以及超过65%的成熟番茄果实进行特征提取和识别分析。【结果】3种YOLOv4轻量化模块对遮挡面积小于65%的番茄果实的识别率超过90%。Ghostnet-YOLOv4算法在3种模块中识别率最高、表现最稳定,平均识别率为94.41%,检测速度为0.012 s;该算法对遮挡面积大于65%的果实识别率明显优于其他2种算法。3种算法的识别率均随遮挡程度的提高而下降。【结论】Ghostnet-YOLOv4算法识别率高、速度快,可用于番茄果实的识别,且优势更为明显。本研究可以为采摘机器人的采摘策略提供更好的思路和技术基础。

数字水准仪的测量原理及测试精度分析

在电子水准仪的3种读数原理(相位法、相关法、几何法)中主要介绍了几何法,结合索佳电子水准仪SDL30M在实验场进行了视距长度测量、调焦质量、标尺前后左右倾斜和遮挡程度试验,并利用已有实验场进行了水准测量的对比实验,分析了上述实验结果,得到了以下几点结论:1)仪器实测精度与标称精度基本相符。2)视距测量误差与视距长度成正比,基本呈线形关系,100 m的视距长度误差一般不会达10 cm。3)调焦质量对观测成果(中丝读数)影响很小,但数据显示时间会相应延迟。4)在2°范围内标尺左右倾斜影响较小,一般在1 mm以内,超过2°误差迅速增大;标尺前后倾斜在2°范围影响较小,读数误差一般在0.2 mm以内,超过2°误差迅速增大。5)遮挡容许程度与距离有关,距离越近,容许遮挡率越低;距离越远,遮挡率越大。6)对某水准网对比测量表明采用该仪器完全可以满足工程二等水准测量要求,而且精度高、速度快。