期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLO v4和ICNet的番茄串检测模型
1
作者
刘建航
何鉴恒
+2 位作者
陈海华
王晓政
翟海滨
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第10期216-224,254,共10页
针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分...
针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分割算法在感兴趣区域内获取番茄茎位置。在番茄检测模块,设计了一种基于深度卷积结构的主干网络,在实现模型参数稀疏性的同时提高目标的识别精度,采用K-means++聚类算法获得先验框,并改进了DIoU距离计算公式,进而获得更为紧凑的轻量级检测模型(DC-YOLO v4)。在番茄茎语义分割模块(ICNet)中以MobileNetv2为主干网络,减少参数计算量,提高模型运算速度。将采摘模型部署在番茄串采摘机器人上进行验证。采用自制番茄数据集进行测试,结果表明,DC-YOLO v4对番茄及番茄串的平均检测精度为99.31%,比YOLO v4提高2.04个百分点。语义分割模块的mIoU为81.63%,mPA为91.87%,比传统ICNet的mIoU提高2.19个百分点,mPA提高1.47个百分点。对番茄串的准确采摘率为84.8%,完成一次采摘作业耗时约6 s。
展开更多
关键词
番茄串
采摘
机器人
深度学习
YOLO
v4
ICNet
采摘模型
下载PDF
职称材料
基于枝干振动采摘机理的采摘机激振机构设计
被引量:
1
2
作者
高永新
杜浩
《噪声与振动控制》
CSCD
2019年第4期46-51,共6页
为了实现树莓高效机械化采摘,探究树莓的振动采摘机理,建立树莓采摘力数学模型。根据采摘机理设计一种通过对采摘主轴施加不同刹车阻力实现激振频率可调的采摘机激振机构,建立采摘机激振机构三维模型,并用ADAMS对其进行仿真分析,通过仿...
为了实现树莓高效机械化采摘,探究树莓的振动采摘机理,建立树莓采摘力数学模型。根据采摘机理设计一种通过对采摘主轴施加不同刹车阻力实现激振频率可调的采摘机激振机构,建立采摘机激振机构三维模型,并用ADAMS对其进行仿真分析,通过仿真验证了采摘机激振机构的激振频率会在一定范围内随着采摘主轴所受阻力的增加而增加。通过样机实验验证了采摘机激振机构的可行性。样机的最佳采收率达到81%,采青率降到11.5%。
展开更多
关键词
振动与波
机械化
采摘
采摘
力
模型
激振频率
激振机构设计
高效
采摘
下载PDF
职称材料
题名
基于改进YOLO v4和ICNet的番茄串检测模型
1
作者
刘建航
何鉴恒
陈海华
王晓政
翟海滨
机构
中国石油大学(华东)海洋与空间信息学院
中国科学院计算技术研究所
国家计算机网络应急技术处理协调中心
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第10期216-224,254,共10页
基金
山东省自然科学基金项目(ZR2020MF005)。
文摘
针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分割算法在感兴趣区域内获取番茄茎位置。在番茄检测模块,设计了一种基于深度卷积结构的主干网络,在实现模型参数稀疏性的同时提高目标的识别精度,采用K-means++聚类算法获得先验框,并改进了DIoU距离计算公式,进而获得更为紧凑的轻量级检测模型(DC-YOLO v4)。在番茄茎语义分割模块(ICNet)中以MobileNetv2为主干网络,减少参数计算量,提高模型运算速度。将采摘模型部署在番茄串采摘机器人上进行验证。采用自制番茄数据集进行测试,结果表明,DC-YOLO v4对番茄及番茄串的平均检测精度为99.31%,比YOLO v4提高2.04个百分点。语义分割模块的mIoU为81.63%,mPA为91.87%,比传统ICNet的mIoU提高2.19个百分点,mPA提高1.47个百分点。对番茄串的准确采摘率为84.8%,完成一次采摘作业耗时约6 s。
关键词
番茄串
采摘
机器人
深度学习
YOLO
v4
ICNet
采摘模型
Keywords
tomato clusters
picking robot
deep learning
YOLO v4
ICNet
picking model
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于枝干振动采摘机理的采摘机激振机构设计
被引量:
1
2
作者
高永新
杜浩
机构
辽宁工程技术大学机械工程学院
出处
《噪声与振动控制》
CSCD
2019年第4期46-51,共6页
文摘
为了实现树莓高效机械化采摘,探究树莓的振动采摘机理,建立树莓采摘力数学模型。根据采摘机理设计一种通过对采摘主轴施加不同刹车阻力实现激振频率可调的采摘机激振机构,建立采摘机激振机构三维模型,并用ADAMS对其进行仿真分析,通过仿真验证了采摘机激振机构的激振频率会在一定范围内随着采摘主轴所受阻力的增加而增加。通过样机实验验证了采摘机激振机构的可行性。样机的最佳采收率达到81%,采青率降到11.5%。
关键词
振动与波
机械化
采摘
采摘
力
模型
激振频率
激振机构设计
高效
采摘
Keywords
vibration and wave
mechanized picking
picking force model
excitation frequency
design of excitation mechanism
high efficiency picking
分类号
TB534.2 [理学—声学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLO v4和ICNet的番茄串检测模型
刘建航
何鉴恒
陈海华
王晓政
翟海滨
《农业机械学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于枝干振动采摘机理的采摘机激振机构设计
高永新
杜浩
《噪声与振动控制》
CSCD
2019
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部