检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

复杂背景下草莓点云语义分割优化方法

南京农业大学学报 2024年

作者：谢元澄陈自强许忠义严心悦姜海燕梁敬东南京农业大学人工智能学院南京农业大学国家信息农业工程技术中心

[目的]以草莓为代表的浆果果实收获方式仍然以人力为主，随着近年来农业生产人员老龄化及人工费用的激增，机器（人）全自动采摘已是必然趋势，目前的难点在于机器视觉的识别与定位，相比2D视觉，3D视觉不仅具有更丰富的语义信息，而且... 详细信息

[目的]以草莓为代表的浆果果实收获方式仍然以人力为主，随着近年来农业生产人员老龄化及人工费用的激增，机器（人）全自动采摘已是必然趋势，目前的难点在于机器视觉的识别与定位，相比2D视觉，3D视觉不仅具有更丰富的语义信息，而且在空间定位上有着明显的优势。本文旨在利用3D视觉技术实现草莓的准确识别和定位，为机器人自动采摘提供技术支持。针对田间背景噪声干扰、草莓果实体积小且伴随遮挡的难点，本文采用点云滤波技术进行点云降噪，利用3D视觉技术实现了草莓与复杂背景的语义分割。[方法] 使用IntelRealsenseD435i深度相机采集了不同光照、不同季节和遮挡条件下的草莓点云数据，构建了一个包含三个类别的数据集，分别为无遮挡、低遮挡、高遮挡。首先结合多阈值统计滤波和ROI提取技术对点云数据进行预处理，过滤噪声；以PointNet++为基础模型，对点云数据直接提取特征，并在PointNet++的基础上提出了一种针对复杂背景下小尺度目标的语义分割模型SS-PointNet++，利用点云的多种特征信息作为网络的输入特征，构建采样层、分组层，并通过PointNet提取局部特征，使用最远点采样法对点云取样并最大程度的覆盖到整个点集，针对小尺度目标设计了三种不同半径的球查询(BallQuery)来获取局部特征，改进了SA层和FP 层的结构，使其能够适应低密度点云。[结果]对未经预处理的点云进行分割时，有 0.74%的概率出现离群点的误判问题，而对预处理后的单张点云图像进行语义分割的用时平均减少了 3.47 s。点云图像测试结果表明，SS-PointNet++模型的平均准确率达到了 86.95%，比优化前提升了 19.54百分点，平均交并比为 0.740。在光照充足且无遮挡的草莓上，该模型的语义分割准确率高达 95.36%，而在暗光环境下，该模型的平均准确率也能达到 81.34% 。[结论] SS-Pointnet++模型提升了小尺度目标点云的语义分割效果，对不同光照条件具有较强的鲁棒性，为基于 3D 点云的小物体和遮挡物体的分割提供了一种有效的方法；本文提出的草莓遮挡类型的划分，对后续草莓遮挡问题提供了数据分析支持，对其他基于3D点云的小尺度物体的目标检测和遮挡问题也起到借鉴作用。

关键词：草莓点云采摘机器人计算机视觉语义分割深度相机

删除最差基学习器来层次修剪Bagging集成

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机研究与发展 2009年第2期46卷 261-267页

作者：谢元澄杨静宇南京理工大学计算机学院南京210094

主要目的是寻找到一种Bagging的快速修剪方法,以缩小算法占用的存储空间、提高运算的速度和实现提高分类精度的潜力.传统的选择性集成方法研究的重点是基学习器之间的差异化,从同质化的角度来研究这一问题,提出了一种全新的选择性集成思... 详细信息

主要目的是寻找到一种Bagging的快速修剪方法,以缩小算法占用的存储空间、提高运算的速度和实现提高分类精度的潜力.传统的选择性集成方法研究的重点是基学习器之间的差异化,从同质化的角度来研究这一问题,提出了一种全新的选择性集成思路.通过选择基学习器集合中的最差者来对Bagging集成进行快速层次修剪,获得了一种学习速度接近Bagging性能在其基础上得到提高的新算法.新算法的训练时间明显小于GASEN而性能与其相近.该算法同时还保留了与Bagging相同的并行处理能力.

关键词：选择性集成差异化同质化层次修剪并行计算个体学习器

使用聚类来加速AdaBoost并实现噪声数据探测

在线全文

学校读者我要写书评

暂无评论

软件学报 2010年第8期21卷 1889-1897页

作者：谢元澄杨静宇南京农业大学信息科学技术学院江苏南京210095 南京理工大学计算机科学与技术学院江苏南京210094

决定集成学习性能的主要因素是集成的个体学习器之间的差异性.使用聚类技术来加速AdaBoost.在不同噪声水平环境下,新算法的性能都接近AdaBoost.对AdaBoost噪声敏感问题提出了新的解决思路,使用该项技术可以实现快速的噪声探测和噪声剔... 详细信息

决定集成学习性能的主要因素是集成的个体学习器之间的差异性.使用聚类技术来加速AdaBoost.在不同噪声水平环境下,新算法的性能都接近AdaBoost.对AdaBoost噪声敏感问题提出了新的解决思路,使用该项技术可以实现快速的噪声探测和噪声剔除后的再学习,从而在对含噪声数据基进行处理时,在综合性能和效率上都明显优于AdaBoost.

关键词： AdaBoost 聚类个体学习器 BP神经网络加速噪声检测

在线全文

学校读者我要写书评

暂无评论

机器人足球比赛全局视觉系统的研究与开发

机器人足球比赛全局视觉系统的研究与开发

作者：谢元澄江南大学

学位级别：硕士

随着控制论及计算机技术的发展,机器人足球比赛作为分布式人工智能中多智能体系统(MAS:Multi-agent System)的理论及相关的应用研究平台已成人工智能及智能控制研究的热点。机器视觉在机器人足球比赛中的作用是决定性的,它是机器人足球... 详细信息

随着控制论及计算机技术的发展,机器人足球比赛作为分布式人工智能中多智能体系统(MAS:Multi-agent System)的理论及相关的应用研究平台已成人工智能及智能控制研究的热点。机器视觉在机器人足球比赛中的作用是决定性的,它是机器人足球队员了解周围比赛最主要的感知途径。其性能的优劣直接决定着比赛的结果,因此机器人足球比赛本身也是一个非常优秀的机器视觉研究平台。本人论文课题的主要内容是设计开发了江南大学RoboCup小型组AFU-2004机器人足球比赛系统的视觉子系统。并在以下几方面做了大量的工作和较为深入的研究: 1.对RoboCup小型组比赛的视觉系统进行了分析和整体设计,开发了基于软件结构的全局视觉处理系统。比较了机器人足球比赛常用色标设计方案的优劣,实现了实时环境下对运动目标的检测和跟踪。 2.对常用色彩空间模型进行了分析和比较,并对基于彩色多维直方图的阈值分割方法进行了分析,针对其缺陷提出了基于背景颜色不变量的阈值分割方法来解决其过度分割的问题。 3.模拟人类视觉恒常性原理,提出了基于彩色边缘检测和HSV阈值地图的彩色自适应分割方法。 4.分析了目前常用的摄像机标定技术,并在比赛中使用Tsai两步标定法实现了对比赛摄像机的标定。 5.为解决Tsai两步标定法在应用中的局限,提出了基于多项式的分区拟合标定法,使得标定的运算量比五次多项式标定法降低了三分之二且标定的精度提高了三倍。 6.分析了投影误差产生的原因并推导了投影矫正公式。

关键词：机器人足球比赛 HSV 彩色分割边缘检测阈值地图几何校正多项式拟合投影矫正颜色恒常性动态跟踪

基于基学习器差异度的层次化Bagging集成修剪

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

信息与控制 2009年第4期38卷 449-454页

作者：谢元澄杨静宇南京理工大学计算机与技术学院江苏南京210094

本文主要目的是寻找到Bagging的一种快速修剪方法,以缩小算法占用的存储空间、提高运算速度和实现提高分类精度的潜力;还提出一种直接计算基学习器差异度的新选择性集成思想.选择出基学习器集合中对提升其余基学习器差异度能力最强者进... 详细信息

本文主要目的是寻找到Bagging的一种快速修剪方法,以缩小算法占用的存储空间、提高运算速度和实现提高分类精度的潜力;还提出一种直接计算基学习器差异度的新选择性集成思想.选择出基学习器集合中对提升其余基学习器差异度能力最强者进行删除,通过层次修剪来加速这一算法.在不影响性能的基础上,新算法能够大幅度缩小Bagging的集成规模;新算法还支持并行计算,其进行选择性集成的速度明显优于GASEN.本文还给出了集成学习分类任务的误差上界.

关键词：选择性集成差异度层次修剪并行计算基学习器个体学习器

在线全文

学校读者我要写书评

暂无评论

基于UML的多智能体建模分析方法研究

信息与控制 2004年第6期33卷 678-684页

作者：谢元澄刘国栋李春光江南大学通信与控制工程学院

以多智能体系统机器人足球仿真比赛为研究背景 ,对Agent理论和结构模型进行分析 ,探讨了使用UML语言建立Agent模型与结构之间映射关系的方法 .通过对Agent的内部结构与行为的描述 ,实现了A gent建模与其软件建模的统一 .并在开发机器人... 详细信息

以多智能体系统机器人足球仿真比赛为研究背景 ,对Agent理论和结构模型进行分析 ,探讨了使用UML语言建立Agent模型与结构之间映射关系的方法 .通过对Agent的内部结构与行为的描述 ,实现了A gent建模与其软件建模的统一 .并在开发机器人足球仿真比赛队伍AFU2 0 0 4Agent软件的过程中成功地加以应用 ,为Agent的建模和设计实现开启了新的思路 .

关键词：统一建模语言多智能体机器人足球仿真比赛建模

在线全文

学校读者我要写书评

暂无评论

水稻病虫草害与药剂实体关系联合抽取算法

南京农业大学学报 2020年第6期43卷 1151-1161页

作者：沈利言姜海燕胡滨谢元澄南京农业大学人工智能学院江苏南京210095 南京农业大学国家信息农业工程技术中心江苏南京210095

[目的]从水稻病虫草害防治文本中,自动抽取病虫草害与药剂之间的实体与关系,为构建作物系统领域知识图谱提供数据。[方法]针对病虫草害防治文本中含有大量实体没有明确边界以及药剂与病虫草害实体之间存在多种类型关系的特点,设计了一... 详细信息

[目的]从水稻病虫草害防治文本中,自动抽取病虫草害与药剂之间的实体与关系,为构建作物系统领域知识图谱提供数据。[方法]针对病虫草害防治文本中含有大量实体没有明确边界以及药剂与病虫草害实体之间存在多种类型关系的特点,设计了一种基于新标注模式的双层长短期记忆(bi-directional long short-term memory,BiLSTM)网络与注意力机制结合的水稻病虫草害与药剂的实体关系联合抽取算法(joint entity recognition and relation extraction for rice diseases,pests and weeds,JE-DPW)。该方法在解码层利用BiLSTM网络的前向传播和反向传播,增强对病虫草害防治文本中复杂语义特征的提取;再通过softmax分类器获取字符的类别标签,实现实体识别;与此同时,利用注意力机制判断当前字符与之前字符之间存在的关联关系,实现实体与多关系的联合抽取。[结果]利用包含7380个实体、8605个关系的病虫草害防治文本数据集训练模型,使用测试集测试后发现:JE-DPW算法在病虫草害与药剂的实体抽取和关系分类任务中的准确率分别为91.3%和76.8%,对无边界实体识别的准确率为88.1%。与BiLSTM实现实体抽取方法相比,准确率高出8.1%。与利用循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)实现关系分类的方法相比,准确率分别高出22.6%和19.7%;随着关系数量的增加,JE-DPW算法在关系抽取上的F1值可保持17.4%~20.1%的优势。[结论]本文提出的算法可以有效提升水稻病虫草害防治文本中实体关系联合抽取的准确度,提高作物系统领域知识库的构建速度。

关键词：病虫草害实体关系抽取长短期记忆网络注意力机制

基于牛肉大理石花纹标准(BMS)图像的纹理特征分析

在线全文

学校读者我要写书评

暂无评论

中国农业科学 2010年第24期43卷 5121-5128页

作者：谢元澄徐焕良谢庄南京农业大学信息科技学院南京农业大学动物科技学院

【目的】研究基于图像纹理特征来描述牛肉大理石花纹标准的方法。【方法】以日本、美国和澳大利亚的牛肉大理石花纹分级图像为基础,通过线性回归的方法来研究纹理特征与牛肉大理石花纹标准之间的内在关系。【结果】通过彩色梯度和局部... 详细信息

【目的】研究基于图像纹理特征来描述牛肉大理石花纹标准的方法。【方法】以日本、美国和澳大利亚的牛肉大理石花纹分级图像为基础,通过线性回归的方法来研究纹理特征与牛肉大理石花纹标准之间的内在关系。【结果】通过彩色梯度和局部二值模式(LBP)处理后提取灰度共生矩阵的4个特征:对比度、相关度、能量和一致性,这些特征可以准确地描述3个不同国家的牛肉大理石花纹标准。其中,能量特征对图像的差异性不敏感,可以作为3种牛肉大理石花纹标准的共性特征。【结论】基于牛肉LBP纹理特征的线性回归预测模型可以作为牛肉大理石花纹标准的一项合理评估依据。

关键词：牛肉大理石花纹标准彩色梯度局部二值模式灰度共生矩阵线性回归

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

复杂大田场景中麦穗检测级联网络优化方法

农业机械学报 2020年第12期51卷 212-219页

作者：谢元澄何超于增源沈毅姜海燕梁敬东南京农业大学信息科学技术学院南京210095 南京农业大学国家信息农业工程技术中心南京210095

单位种植面积的麦穗数量是评估小麦产量的关键农艺指标之一。针对农田复杂场景中存在的大量麦芒、卷曲麦叶、杂草等环境噪声、小尺寸目标和光照不均等导致的麦穗检测准确度下降的问题,提出了一种基于深度学习的麦穗检测方法(FCS RCNN)。... 详细信息

单位种植面积的麦穗数量是评估小麦产量的关键农艺指标之一。针对农田复杂场景中存在的大量麦芒、卷曲麦叶、杂草等环境噪声、小尺寸目标和光照不均等导致的麦穗检测准确度下降的问题,提出了一种基于深度学习的麦穗检测方法(FCS RCNN)。以Cascade RCNN为基本网络模型,通过引入特征金字塔网络(Feature pyramid network,FPN)融合浅层细节特征和高层丰富语义特征,通过采用在线难例挖掘(Online hard example mining,OHEM)技术增加对高损失样本的训练频次,通过IOU(Intersection over union)阈值对网络模型进行阶段性融合,最后基于圆形LBP纹理特征训练一个SVM分类器,对麦穗检出结果进行复验。大田图像测试表明,FCS RCNN模型的检测精度达92.9%,识别单幅图像平均耗时为0.357 s,平均精度为81.22%,比Cascade RCNN提高了21.76个百分点。

关键词：麦穗计数目标检测 Cascade RCNN IOU级联复杂场景