检索结果-南通市图书馆

基于三维点云的采后香蕉表征褐变定量评估方法

在线全文

学校读者我要写书评

暂无评论

华南农业大学学报 2024年第3期45卷 390-396页

作者：熊俊涛王雨杰洪丹梁俊浩黄启寅华南农业大学数学与信息学院广东广州510642

【目的】研究采后香蕉的表征褐变并评估其衰老程度对香蕉保鲜管理至关重要,本研究致力于解决传统人工测量香蕉表征褐变存在的劳动强度大、效率低下的问题。【方法】提出一种基于三维点云的采后香蕉表征褐变过程定量评估方法。首先利用... 详细信息

【目的】研究采后香蕉的表征褐变并评估其衰老程度对香蕉保鲜管理至关重要,本研究致力于解决传统人工测量香蕉表征褐变存在的劳动强度大、效率低下的问题。【方法】提出一种基于三维点云的采后香蕉表征褐变过程定量评估方法。首先利用三维扫描仪获取香蕉的三维点云模型,重构出香蕉的几何模型;然后使用欧式聚类对香蕉几何模型进行点云滤波降噪处理;再结合图像阈值分割法与散点轮廓算法(Alpha Shapes)求出香蕉的体积、表面积和黑斑面积;最后利用傅里叶函数对香蕉表面黑斑变化过程进行模拟,确定香蕉表征褐变过程的评估模型。设计本算法与溢水法测量实际香蕉体积、手绘测量面积的对比试验。【结果】拟合香蕉的生长函数,回归直线对观测值的拟合程度R2=0.9816>0.75,验证了算法的有效性。对比试验结果表明,本算法与实际测量值的平均相对误差小于1%,验证了该算法的准确性和可行性。【结论】本研究可为香蕉的保鲜管理提供数据及技术支撑。

关键词：三维点云数据拟合香蕉褐变保鲜

结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法

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

华南农业大学学报 2024年第1期45卷 97-107页

作者：熊俊涛霍钊威黄启寅陈浩然杨振刚黄煜华苏颖苗华南农业大学数学与信息学院广东广州510642

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集... 详细信息

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。

关键词：柑橘夜间检测主动光源双向特征金字塔网络 YOLOv5s HSV颜色空间

基于深度强化学习的柑橘采摘机械臂路径规划方法

在线全文

学校读者我要写书评

暂无评论

华南农业大学学报 2023年第3期44卷 473-483页

作者：熊春源熊俊涛杨振刚胡文馨华南农业大学数学与信息学院广东广州510642

[目的]为解决非结构化环境下采用深度强化学习进行采摘机械臂路径规划时存在的效率低、采摘路径规划成功率不佳的问题,提出了一种非结构化环境下基于深度强化学习(Deep reinforcement learning, DRL)和人工势场的柑橘采摘机械臂的路径... 详细信息

[目的]为解决非结构化环境下采用深度强化学习进行采摘机械臂路径规划时存在的效率低、采摘路径规划成功率不佳的问题,提出了一种非结构化环境下基于深度强化学习(Deep reinforcement learning, DRL)和人工势场的柑橘采摘机械臂的路径规划方法。[方法]首先,通过强化学习方法进行采摘路径规划问题求解,设计了结合人工势场的强化学习方法;其次,引入长短期记忆(Longshort term memory,LSTM)结构对2种DRL算法的Actor网络和Critic网络进行改进;最后,在3种不同的非结构化柑橘果树环境训练DRL算法对采摘机械臂进行路径规划。[结果]仿真对比试验表明:结合人工势场的强化学习方法有效提高了采摘机械臂路径规划的成功率;引入LSTM结构的方法可使深度确定性策略梯度(Deep deterministic policy gradient,DDPG)算法的收敛速度提升57.25%,路径规划成功率提升23.00%;使软行为评判(Soft actor critic,SAC)算法的收敛速度提升53.73%,路径规划成功率提升9.00%;与传统算法RRT-connect(Rapidly exploring random trees connect)对比,引入LSTM结构的SAC算法使规划路径长度缩短了16.20%,路径规划成功率提升了9.67%。[结论]所提出的路径规划方法在路径规划长度、路径规划成功率方面存在一定优势,可为解决采摘机器人在非结构化环境下的路径规划问题提供参考。

关键词：采摘机械臂柑橘路径规划深度强化学习非结构化环境 LSTM

基于YOLO v5-Lite的自然环境木瓜成熟度检测方法

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6期54卷 243-252页

作者：熊俊涛韩咏林王潇李泽星陈浩然黄启寅华南农业大学数学与信息学院广州510642

利用深度学习实现视觉检测技术对自然环境下树上木瓜成熟度的识别,从而监测木瓜生长期成熟度有重要意义。针对目前木瓜的成熟度主要以人工判断为主,缺乏对木瓜成熟度快速、准确的自动检测方法问题,本研究基于轻量化YOLO v5-Lite模型,对... 详细信息

利用深度学习实现视觉检测技术对自然环境下树上木瓜成熟度的识别,从而监测木瓜生长期成熟度有重要意义。针对目前木瓜的成熟度主要以人工判断为主,缺乏对木瓜成熟度快速、准确的自动检测方法问题,本研究基于轻量化YOLO v5-Lite模型,对自然环境下木瓜成熟度检测方法进行研究,通过采集的1386幅木瓜图像,训练得到最优权值模型。实验结果表明,该模型对木瓜检测mAP为92.4%,与目前主流的轻量化目标检测算法YOLO v5s、YOLO v4-tiny以及两阶段检测算法Faster R-CNN相比,其mAP分别提高1.1、5.1、4.7个百分点;此外,在保证检测精度的前提下,检测时间为7 ms,且模型内存占用量仅为11.3 MB。同时,该模型对不同拍摄距离、不同遮挡情况、不同光照情况下的果实均能实现准确识别,能够快速有效地识别出复杂背景下木瓜果实的成熟度,具有较强的鲁棒性,可以为木瓜果园的产量估计和采摘机器的定位检测提供技术支持。

关键词：木瓜水果成熟度检测机器视觉深度学习深度卷积神经网络

基于本体与认知经验的农业机器人视觉分类决策方法

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 208-215页

作者：熊俊涛廖世盛梁俊浩韦婷婷陈淑绵郑镇辉华南农业大学数学与信息学院广州510642

基于小样本数据下认知经验知识辅助计算机进行决策,对实现农业领域机器人智能认知决策与助力智慧农业发展具有重要意义。本文在统计计数、支持向量机(SVM)等图像属性信息学习方法基础上,使用Protégé等工具,基于认知经验构建水果识别... 详细信息

基于小样本数据下认知经验知识辅助计算机进行决策,对实现农业领域机器人智能认知决策与助力智慧农业发展具有重要意义。本文在统计计数、支持向量机(SVM)等图像属性信息学习方法基础上,使用Protégé等工具,基于认知经验构建水果识别分类的专业知识库;然后根据图像颜色与形状信息,进行知识库搜索推理得到分类决策。实验在Fruit360数据集中共选择2091幅葡萄、香蕉、樱桃水果图像作为测试集,并各挑选30幅图像作为属性信息训练集与验证集,结果表明当前数据下葡萄与樱桃识别准确率为100%,香蕉识别准确率为93.30%。仅在知识库添加黄桃知识后,对984幅黄桃图像样本进行测试,其分类准确率为97.05%。表明本文方法能有效完成图像分类决策任务,且具有良好的过程可解释性、能力共享性和可拓展性。

关键词：智慧农业认知决策图像分类属性学习本体技术知识库

在线全文

学校读者我要写书评

暂无评论

基于RGB-D的龙眼实时检测与定位方法

林业工程学报 2022年第3期7卷 150-157页

作者：孙宝霞郑镇辉胡文馨郭文韬熊俊涛广东机电职业技术学院电气技术学院广州510515 华南农业大学数学与信息学院广州510642

龙眼是我国华南地区重要的热带亚热带果树之一,传统的龙眼采摘大多依靠人工操作实现,其劳动力成本高、采摘效率低,易漏检小果实和被遮挡的果实,采摘机器人可解决这些问题。在机器人视觉技术中,针对龙眼进行实时检测和定位研究开发一种... 详细信息

龙眼是我国华南地区重要的热带亚热带果树之一,传统的龙眼采摘大多依靠人工操作实现,其劳动力成本高、采摘效率低,易漏检小果实和被遮挡的果实,采摘机器人可解决这些问题。在机器人视觉技术中,针对龙眼进行实时检测和定位研究开发一种树上的龙眼检测与定位技术,对果实采摘机器人技术的发展有重要意义。针对龙眼体积小、与枝条颜色相近等检测难题,本研究设计了龙眼视觉检测试验,首先利用RGB-D相机获取龙眼的彩色和深度图像,并通过YOLOv5检测算法对图片进行检测,结果表明:龙眼图像的平均检测时间为0.024 s,模型的精确率为96.55%,召回率为92.02%,F1分数为0.942,且在一定程度上能抵抗果实数量和光照强度的变化,适应性强;其次设计了对比试验,在与YOLOv5同样的硬件配置下搭建Tensorflow框架和Darknet框架,并在不同复杂场景下扩充龙眼数据集来训练YOLOv5、YOLOv4和Faster-RCNN 3个不同果实检测模型,结果表明YOLOv5可以很好地克服其他两种算法存在的问题。此外本研究通过设计龙眼的视觉空间定位试验,进行了三维坐标的计算,构建了x、y和z 3个坐标的中值误差曲线,3个坐标方向上的中值误差计算结果分别为5,6和10 mm,中值绝对偏差分别为3.7,3.3和5.1 mm,统计了图像的平均定位时间为0.071 s。研究表明该方法具有可行性,能为龙眼采摘机器人提供技术支持。

关键词：龙眼采摘机器人 RGB-D相机 YOLOv5

基于多重特征增强与特征融合SSD的荔枝检测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第4期38卷 169-177页

作者：彭红星李荆徐慧明陈虎邢政何慧君熊俊涛华南农业大学数学与信息学院/广州市智慧农业重点实验室广州510642

使用无人机拍摄的荔枝图像目标尺寸小、特征信息不足。为了更多、更好地检测到荔枝,该研究提出一种基于多重特征增强与特征融合的SSD(Single Shot Multibox Detector based on Multiple Feature Enhancement and Feature Fusion,MFEFF-S... 详细信息

使用无人机拍摄的荔枝图像目标尺寸小、特征信息不足。为了更多、更好地检测到荔枝,该研究提出一种基于多重特征增强与特征融合的SSD(Single Shot Multibox Detector based on Multiple Feature Enhancement and Feature Fusion,MFEFF-SSD)模型。为了减少不必要的计算量,删除原始主干网络Vgg16的最后两个卷积层,并在Conv8和Conv9层使用感受野模块(Receptive Field Block,RFB),提升主干网络的特征提取能力;然后使用高效空间金字塔模块(Efficient Spatial Pyramid Block,ESP),增强浅层特征;提出改进的路径聚合网络(Improved Path Aggregation Network,IPANet)多尺度融合特征,提升荔枝小目标的检测效果;最后在浅层引入通道注意力机制SE(SqueezeandExcitation)模块,进一步提高检测精度。同时,调整先验框的大小和数量,适应荔枝小目标的尺寸。试验结果表明:该研究提出的RFB模块可以提高检测效果;IPANet的平均精确率比FPN(Feature Pyramid Network)略有提高;SE模块的平均精确率比CBAM(Convolutional Block Attention Module)、ECA(Efficient Channel Attention)模块分别提高1.15个百分点和2.12个百分点;ESP模块的平均精确率比ASPP(atrous spatial pyramid pooling)提高2.51个百分点;与SSD、Yolov4-tiny、Faster-RCNN和Center Net模型相比,MFEFF-SSD模型的平均精确率分别提高30.62、14.58、44.46和15.93个百分点,能够更精准、有效地实现对无人机拍摄的荔枝图像检测,可为小目标农作物的检测开拓思路。

关键词：无人机图像处理特征增强特征融合荔枝检测

在线全文

学校读者我要写书评

暂无评论

多策略改进灰狼算法及其塑料激光焊接应用

传感器技术与应用 2023年第5期11卷 424-437页

作者：杨彩红熊俊涛程元清江西理工大学电气工程与自动化学院江西赣州

针对灰狼优化算法存在的种群多样性不足、开发与探索不平衡以及过早收敛等问题,提出一种增强型改进灰狼优化算法(EIGWO)并应用于塑料激光焊接压力控制参数优化。改进主要包括三个方面:首先,提出一种基于维度学习的狩猎搜索策略(DLH),用... 详细信息

针对灰狼优化算法存在的种群多样性不足、开发与探索不平衡以及过早收敛等问题,提出一种增强型改进灰狼优化算法(EIGWO)并应用于塑料激光焊接压力控制参数优化。改进主要包括三个方面:首先,提出一种基于维度学习的狩猎搜索策略(DLH),用不同方法为每只狼构建一个可以共享信息的邻居,以此增加种群的多样性;其次,提出一种非线性的收敛策略来平衡勘探和开发,并通过修正参数A和C来模拟狼群狩猎时头狼和次头狼的交替行为;最后,对动态位置更新方程进行修正,保持种群多样性同时避免过早收敛。通过基准测试函数在多个维度下通过与原始的灰狼算法和两种改进的灰狼算法(IGWO, LGWO)以及粒子群算法(PSO)进行对比实验,实验结果表明,EIGWO具有更好的寻优性能和稳定性。在PID的参数优化应用中,通过改变参数和添加扰动,证明EIGWO具有更好的优化效果,且算法的稳定性和鲁棒性也更好。,br> Aiming at the problems of insufficient population diversity, unbalanced development and exploration and premature convergence in grey wolf optimization algorithm, an enhanced improved grey wolf optimization algorithm (EIGWO) is proposed and applied to the optimization of pressure control parameters in plastic laser welding. The improvement mainly includes three aspects: firstly, a new search strategy named dimension learning-based hunting (DLH) is proposed, and a neighbor who can share information for each wolf is constructed by different methods, so as to increase the diversity of the population. Secondly, a non-linear convergence strategy is proposed to balance exploration and development, and the alternating behavior of the first wolf and the second wolf is simulated by modifying parameters A and C. Finally, the dynamic position updating equation is modified to maintain population diversity and avoid premature convergence. In this paper, the benchmark function is compared with the original grey wolf algorithm, two improved grey wolf algorithms (IGWO, LGWO) and particle swarm optimization (PSO) in multiple dimensions. The experimental results show that EIGWO has better optimization performance and stability. In the application of PID parameter optimization, by changing parameters and adding disturbance, it is proved that EIGWO has better optimization effect, and the stability and robustness of the algorithm are also better.

关键词：群智能算法灰狼优化算法搜索策略多维函数优化 PID参数优化塑料激光焊接

基于探索性数据分析的柑橘部位颜色模型分析与识别

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

农业机械学报 2013年第S1期44卷 253-259,235页

作者：彭红星邹湘军郭艾侠熊俊涛陈燕华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室广州510642 华南农业大学信息学院广州510642

针对成熟柑橘各部位特点、光照与环境的不确定性及多变性,对柑橘各部位的图像数据进行了探索性数据分析并进行了识别。分析了探索性数据分析方法的特点和基于色彩分通道的柑橘识别原理,给出了柑橘图像数据的探索性数据分析流程图。对采... 详细信息

针对成熟柑橘各部位特点、光照与环境的不确定性及多变性,对柑橘各部位的图像数据进行了探索性数据分析并进行了识别。分析了探索性数据分析方法的特点和基于色彩分通道的柑橘识别原理,给出了柑橘图像数据的探索性数据分析流程图。对采集的柑橘图像分成顺光、正常光、逆光3种不同光照情况,并分别采集其中的柑橘果实与果梗、叶子图像数据,根据这些图像数据生成柑橘果实与果梗、叶子在6种颜色模型下的颜色分量分布箱线图,通过图形启示的数据分析与探索,给出了基于I1I2I3颜色模型的I2分量的柑橘各部位分类识别的视觉模型,分析表明I2分量值为0.3能去除树枝、叶子和草地等复杂背景,实现柑橘果实与背景的分割。以300幅野外环境下采集的、不同光照下的柑橘图像为试验对象,成熟柑橘果实总体识别率达到了98.4%,同时证实果梗与叶子由于颜色的相似性,仅靠颜色特征无法对其进行区分。

关键词：柑橘果实识别探索性数据分析颜色模型图像分类