基于跨模态共享特征学习的夜间牛脸识别方法

【目的】解决夜间环境下牛只身份信息难以有效识别的问题,以期为牛只全天候监测提供技术基础。【方法】提出了一种基于跨模态共享特征学习的夜间牛脸识别方法。首先,模型框架采用浅层双流结构,有效提取不同模态的牛脸图像中的共享特征信息;其次,引入Triplet注意力机制,跨维度地捕捉交互信息,以增强牛只身份信息的提取;最后,通过嵌入扩展模块进一步挖掘跨模态身份信息的表征。【结果】本文提出的夜间牛脸识别模型在测试集上的平均精度均值、一阶累积匹配特征值(CMC-1)和五阶累积匹配特征值(CMC-5)分别为90.68%、94.73%和97.82%,相较于未进行跨模态训练的模型,提高了19.67、18.91和12.00个百分点。【结论】本研究所提出的模型为夜间牛只身份识别问题提供了可靠的解决方案,为实现牛只全天候持续监测奠定了坚实的技术基础。

基于视频分析的振荡果实轨迹跟踪方法

受采摘作业及风力等因素影响,果实目标多处于振荡状态,实现振荡影响下果实目标的自动识别与快速跟踪是提升果实采摘机器人采摘效率、果实表型最佳监测帧选取的关键。为了实现振荡影响下果实目标的准确识别与跟踪,提出了一种基于YCbCr颜色空间的果实目标自动识别方法;在此基础上,利用Meanshift算法实现了振荡果实轨迹跟踪;最后,通过对振荡果实运动轨迹跟踪结果得到果实的运动速度及加速度曲线,可为采摘机器人判定最佳采摘时机、最佳果实表型监测帧筛选奠定基础。结果表明,Meanshift跟踪方法适合于振荡果实目标的自动跟踪,可为提高振荡果实采摘效率和果实的生长状态无损监测提供借鉴。

苹果树枝的力学试验与其结构参数的联系

为获取苹果树枝力学特性参数与其结构的关系,建立两者间的联系,以期得到推广。以中原地区红富士苹果树枝为试验材料,在精密型微控电子式万能试验机上进行拉伸、压缩、弯曲、压弯、拉弯等力学特性试验。利用Matlab软件对苹果树枝每个阶段的力学特性参数进行数据分析处理,得出苹果树枝的基本力学参数,同时当对树枝施加25 N的弯曲载荷时,压弯试验中,弹性终止点的综合单位破坏应力为0.846 56;拉弯试验中,弹性终止点的综合单位破坏应力为1.602 83。在压弯和拉弯树枝时,前者会增大树枝的破坏,后者会减缓树枝的破坏。树枝的含水量与树枝的力学特性也存在一定关系,苹果树枝的力学参数与其内部结构有密切联系。该研究成果不仅可以为苹果树修剪和水果采摘机设计提供参考依据,也可以为后期苹果品质检测建立相关联系。

基于超像素分割算法的大田小麦导航路径获取

实现复杂场景下导航路径的自动获取,是大田小麦自主作业机器人连续作业的重要环节和基础。通过简单线性迭代聚类算法(simple linear iterative cluster,简称SLIC),在获取麦田裸地超像素区域的基础上,使用Otsu算法实现了裸地区域的自适应分割,并通过数学形态学闭运算、Canny边缘检测、Hough直线检测等操作实现了导航路径的精确获取。为了验证本研究方法的有效性,将计算所得的导航角度与真实角度值间的平均误差及均方差作为评价指标,并从34幅不同遮挡类别图像中随机选取15幅图像进行了测试。结果表明,本研究方法的导航角度平均误差为1.584°,均方差为1.293°。表明将该方法用于田间小麦导航路径的获取是有效的。

融合超像素分割算法与肢体特征的奶牛躯干精确分割方法

为了实现奶牛躯干的精确分割,以荷斯坦奶牛为研究对象,首先采用超像素分割算法(simple linear iterative cluster,简称SLIC)与显著性分析相结合的方法获得完整奶牛目标;然后通过设置傅里叶描述子以平滑Canny算子边缘检测的奶牛轮廓;最后采用基于奶牛肢体特征的分割点提取方法提取各分割点并依次连接生成奶牛躯干的分割线。为了验证本研究结果的有效性,使用试验图像库中随机抽取的20幅图像进行了测试,试验结果表明,本研究所提取的奶牛目标与手动提取目标的平均重叠率为96.83%,可以实现不同背景下奶牛目标的准确分割。本研究所提出的奶牛躯干分割方法的平均重叠率为99.86%,表明该方法在奶牛躯干精确分割中准确率较高且相对稳定,可以实现不同站立体态奶牛的高精度分割。