检索结果-南通市图书馆

基于深度学习的果园喷雾机器人目标检测系统设计

在线全文

学校读者我要写书评

暂无评论

基于深度学习的果园喷雾机器人目标检测系统设计

作者：孙仲鸣江苏大学

学位级别：硕士

我国果园作物种植规模日益扩大,传统人工施药和恒量喷药机械存在着劳动强度高、效率低下、污染环境等问题。果园喷雾机器人是一种新型施药机械,将朝着更加智能、精准化的方向发展,其中果园靶标与非靶标的多分类识别已经成为喷雾机器人... 详细信息

我国果园作物种植规模日益扩大,传统人工施药和恒量喷药机械存在着劳动强度高、效率低下、污染环境等问题。果园喷雾机器人是一种新型施药机械,将朝着更加智能、精准化的方向发展,其中果园靶标与非靶标的多分类识别已经成为喷雾机器人的研究热点。近年来深度学习技术的兴起为检测识别任务开辟了新途径。本文通过深度学习实现了果园喷雾靶标的分类识别与距离定位,同时解决了喷雾作业过程中雾滴对检测造成干扰的问题。以下是本文的主要研究内容:(1)完成果园喷雾机器人感知系统的搭建,并设计了感知控制程序。通过双目相机获取果园喷雾作业场景的实时信息,由嵌入式计算机平台中部署的模型处理视频流数据,先对图像进行去雾预处理,再对处理后的图像进行检测识别与测距,得到果园目标物准确的类别与位置信息。(2)提出了改进型YOLOv4深度学习目标检测模型,并结合了改进后的双目视觉测距算法完成对果园靶标的识别与定位。在YOLOv4原模型的基础上采用通道切片层代替池化层进行下采样,以减小细节特征的损失;用BIPAN改进了路径增强层,以减少小目标的漏检现象。实验结果显示改进后的YOLOv4目标检测模型平均准确率和召回率分别比原模型高0.61和0.68个百分点。对于果园目标的10米内距离定位平均误差,果树为6.57%,行人为1.70%,电线杆为0.87%。检测结果证明了改进型YOLOv4模型结合双目相机测距算法可以较好地实现果园环境下喷雾目标的检测,为后续喷雾的决策与控制提供依据。(3)为消除喷雾作业中产生的药雾对视觉感知系统的严重干扰,本文以雾天大气光散射物理模型为理论基础,提出了一种改进的AOD-Net深度学习去雾模型作为YOLOv4目标检测模型的预处理模块。采用特征注意力机制改进AOD-Net模型中的K值估计模块,使得网络经过训练后更关注图像中雾浓度更高的区域以实现更好的去雾效果。实验数据显示,改进后的AOD-Net模型能够有效去除药雾对图像造成的干扰,将YOLOv4对果园目标的识别准确率和召回率分别提高了4.76和32.83个百分点,同时显著地减小了双目相机的距离定位误差。此外,模型在性能上也完全满足实时性的要求。

关键词：果园喷雾机器人深度学习 YOLOv4目标检测模型双目视觉 AOD-Net图像去雾模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

凿岩机液压系统故障的模糊逻辑诊断及其软件

凿岩机械气动工具 1998年第3期24卷 24-30页

作者：孙仲鸣李砚耕中国地质大学

通过对液压系统诊断方法的研究，提出了对液压系统故障性质的分类，将液压系统的线性与非线性现象的不同作用机理及其产生的类似现象归纳为一种逻辑关系，并引入模糊数学对现有智能诊断技术中存在的不足进行了剖析和概括，确认液压系统... 详细信息

通过对液压系统诊断方法的研究，提出了对液压系统故障性质的分类，将液压系统的线性与非线性现象的不同作用机理及其产生的类似现象归纳为一种逻辑关系，并引入模糊数学对现有智能诊断技术中存在的不足进行了剖析和概括，确认液压系统故障的诊断证据和诊断法则的模糊性可以使用模糊逻辑的方法进行推理。结合工程实例。

关键词：液压凿岩机液压系统模糊逻辑模糊诊断应用软件

在线全文

学校读者我要写书评

暂无评论

榫卯结构在3D打印首饰中的设计应用研究

宝石和宝石学杂志（中英文） 2023年第3期25卷 98-105页

作者：贾隽雯孙仲鸣中国地质大学(武汉)珠宝学院湖北武汉430074 湖北省人文社科研究基地“珠宝首饰传承与创新发展研究中心” 湖北武汉430074

榫卯结构作为传统结构工艺可与首饰结构结合,实现首饰可替换、多式样的佩戴,在首饰设计中有着一定的应用价值。笔者通过3D打印技术实现小体量、高精度结构的制造技术,探究了榫卯结构在3D打印首饰中的设计应用,分析了榫卯结构和3D打印技... 详细信息

榫卯结构作为传统结构工艺可与首饰结构结合,实现首饰可替换、多式样的佩戴,在首饰设计中有着一定的应用价值。笔者通过3D打印技术实现小体量、高精度结构的制造技术,探究了榫卯结构在3D打印首饰中的设计应用,分析了榫卯结构和3D打印技术的基本情况,榫卯结构与首饰设计、3D打印技术的转化关系,榫卯结构3D打印技术在首饰设计中的适用性,最终通过3D打印技术获得了可替换榫卯首饰的创新设计方案和实际应用。最后总结了榫卯结构在首饰结构中的转化方式、结构、材料、尺寸等方面的设计重点,对榫卯结构在3D打印首饰设计的应用有一定的借鉴意义,并为其首饰设计的结构创新、材料置换提供思考。

关键词：榫卯结构 3D打印首饰设计可替换性

非遗元素与文创首饰结合的可行性探索:以广西壮族绣球为例

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

宝石和宝石学杂志（中英文） 2023年第2期25卷 66-75页

作者：马君怡孙仲鸣中国地质大学(武汉)珠宝学院湖北武汉430074 湖北省人文社科研究基地“珠宝首饰传承与创新发展研究中心” 湖北武汉430074

近年来,关于非遗传承与发展过程中的诸多矛盾逐渐显现,笔者将其总结为传统技法与新技术、传统表现形式与现代表达、传统民俗与现代生活方式。随着国民民族自信的觉醒,笔者希望就非遗的传承与发展问题提出新的解决方案:在可持续旅游化保... 详细信息

近年来,关于非遗传承与发展过程中的诸多矛盾逐渐显现,笔者将其总结为传统技法与新技术、传统表现形式与现代表达、传统民俗与现代生活方式。随着国民民族自信的觉醒,笔者希望就非遗的传承与发展问题提出新的解决方案:在可持续旅游化保护的基础上,以传统文化和设计为核心,从文化创意产品出发,因地制宜的以文创产品实现跨界融合发展。笔者以广西壮族绣球为例,探索非物质文化遗产元素与文创首饰结合的可行性。

关键词：非物质文化遗产壮族绣球非遗文创文创首饰

基于D2-YOLO去模糊识别网络的果园障碍物检测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第2期54卷 284-292页

作者：蔡舒平潘文浩刘慧曾潇孙仲鸣江苏大学电气信息工程学院镇江212013

针对果园目标检测时相机抖动以及物体相对运动导致检测图像模糊的问题,本文提出一种将DeblurGAN-v2去模糊网络和YOLOv5s目标检测网络相融合的D2-YOLO一阶段去模糊识别深度网络,用于检测识别果园模糊场景图像中的障碍物。为了减少融合网... 详细信息

针对果园目标检测时相机抖动以及物体相对运动导致检测图像模糊的问题,本文提出一种将DeblurGAN-v2去模糊网络和YOLOv5s目标检测网络相融合的D2-YOLO一阶段去模糊识别深度网络,用于检测识别果园模糊场景图像中的障碍物。为了减少融合网络的参数量并提升检测速度,首先将YOLOv5s骨干网络中的标准卷积替换成深度可分离卷积,并且在输出预测端使用CIoU_Loss进行边界框回归预测。融合网络使用改进的CSPDarknet作为骨干网络进行特征提取,将模糊图像恢复原始自然信息后,结合多尺度特征进行模型预测。为了验证本文方法的有效性,选取果园中7种常见的障碍物作为目标检测对象,在Pytorch深度学习框架上进行模型训练和测试。试验结果表明,本文提出的D2-YOLO去模糊识别网络准确率和召回率分别为91.33%和89.12%,与分步式DeblurGAN-v2+YOLOv5s相比提升1.36、2.7个百分点,与YOLOv5s相比分别提升9.54、9.99个百分点,能够满足果园机器人障碍物去模糊识别的准确性和实时性要求。

关键词：果园机器人障碍物检测模糊图像 D2-YOLO 融合网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电镀镍-铁金刚石钻头配方与工艺研究

金刚石与磨料磨具工程 2011年第1期31卷 15-19页

作者：孙仲鸣杨洋杨凯华中国地质大学武汉430074

国内采用镍-铁合金作为电镀金刚石钻头的胎体材料仍处于试验研究中。本文详细介绍了镍-铁合金镀液的主要成分及其作用,试验分析了电镀工艺对镀层质量的影响,采用正交回归试验设计方法对胎体成分与性能间的变化规律进行了试验研究。结果... 详细信息

国内采用镍-铁合金作为电镀金刚石钻头的胎体材料仍处于试验研究中。本文详细介绍了镍-铁合金镀液的主要成分及其作用,试验分析了电镀工艺对镀层质量的影响,采用正交回归试验设计方法对胎体成分与性能间的变化规律进行了试验研究。结果表明镍-铁合金镀层是电镀金刚石钻头的较理想的胎体材料。通过调整镀液成分及其含量和改变工艺参数,可以获得不同硬度与耐磨性的镍-铁镀层,可以满足电镀金刚石钻头的要求。依据研究结果试制了2个钻头,进行了室内实钻试验,在8~9级正长花岗岩中钻进,平均时效达到1.87 m/h,钻头平均寿命达到45.9 m,取得了较好的钻进效果。

关键词：镍-铁合金电镀金刚石钻头

基于改进型YOLOv4的果园障碍物实时检测方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2021年第2期37卷 36-43页

作者：蔡舒平孙仲鸣刘慧吴翃轩庄珍珍江苏大学电气信息工程学院镇江212013

针对农业机器人在复杂的果园环境中作业时需要精确快速识别障碍物的问题,该研究提出了一种改进型的YOLOv4目标检测模型对果园障碍物进行分类和识别。为了减少改进后模型的参数数量并提升检测速度,该研究使用了深度可分离卷积代替模型中... 详细信息

针对农业机器人在复杂的果园环境中作业时需要精确快速识别障碍物的问题,该研究提出了一种改进型的YOLOv4目标检测模型对果园障碍物进行分类和识别。为了减少改进后模型的参数数量并提升检测速度,该研究使用了深度可分离卷积代替模型中原有的标准卷积,并将主干网络CSP-Darknet中的残差组件(Residual Unit)改进为逆残差组件(Inverted Residual Unit)。此外,为了进一步增强模型对目标密集区域的检测能力,使用了软性非极大值抑制(Soft DIoU-Non-Maximum Suppression,Soft-DIoU-NMS)算法。为了验证该研究所提方法的有效性,选取果园中常见的3种障碍物作为检测对象制作图像数据集,在Tensorflow深度学习框架上训练模型。然后将测试图片输入训练好的模型中检测不同距离下的目标障碍物,并在同一评价指标下,将该模型的测试结果与改进前YOLOv4模型的测试结果进行评价对比。试验结果表明,改进后的YOLOv4果园障碍物检测模型的平均准确率和召回率分别为96.92%和91.43%,视频流检测速度为58.5帧/s,相比于原模型,改进后的模型在不损失精度的情况下,将模型大小压缩了75%,检测速度提高了29.4%。且改进后的模型具有鲁棒性强、实时性更好、轻量化的优点,能够更好地实现果园环境下障碍物的检测,为果园智能机器人的避障提供了有力的保障。

关键词：农业机器人目标检测深度学习深度可分离卷积逆残差组件 Soft-DIoU-NMS