基于残差模块的红螯螯虾虾卵计数方法的研究

红螯螯虾人工繁育中需要对离体虾卵进行准确计数。由于虾卵个体小、密度大、人工计数效率低且可能损伤虾卵,提出了一种基于残差模块的计算机视觉虾卵计数模型。该计数网络模型在前端编码器网络中集成残差模块,对虾卵位置信息进行特征提取和下采样,在后端解码器网络中使用转置卷积,使模型可以自动学习上采样参数。与VGG-16、CSRNet等模型相比,基于残差模块的虾卵计数模型精度达98.88%,具有最低的平均绝对误差、均方误差以及最好的预测密度图质量,可有效解决密集虾卵计数的困难,为红螯螯虾虾卵计数提供了新方法。利用该模型的计算机视觉虾卵自动计数装置,结构简单、计数精准,可以应用于真实场景。

高精度室内融合定位算法研究

为了实现高精度室内定位,在超宽带(Ultra-Wideband,UWB)定位中运用天牛须搜索(Beetle Antennae Search,BAS)算法,将三维定位的非线性方程组求解问题转化为最优化问题,在行人航位推算(Pedestrian Dead Reckoning,PDR)定位中采用基于时间周期性的峰值检测法与自适应步长估计算法减少伪波峰对步态检测的干扰,以提高2种定位技术的定位精度和可靠性。采用基于PDR航向角动态改变过程噪声Q值的偏移卡尔曼滤波法来识别UWB信号传播情况,从而实现利用UWB定位修正PDR航向角累积误差,利用PDR定位修正UWB非视距(Non-Line-of-Sight,NLOS)定位误差。搭建一套室内定位的实验演示系统进行验证,测试结果表明,所提算法可以有效降低视距(Line-of-Sight,LOS)和NLOS情况下UWB定位误差。特别是在NLOS情况下,融合定位算法比单一UWB定位算法的定位精度提升了约68%,平均定位误差达到0.137 m。