检索结果-内蒙古大学图书馆

华南农业大学学报 2024年第2期45卷 280-292页

作者：周云成刘忠颖邓寒冰苗腾王昌远沈阳农业大学信息与电气工程学院辽宁沈阳110866

【目的】研究面向玉米田间场景的图像深度估计方法,解决深度估计模型因缺少有效光度损失度量而易产生的精度不足问题,为田间智能农业机械视觉系统设计及导航避障等提供技术支持。【方法】应用双目相机作为视觉传感器,提出一种基于混合... 详细信息

【目的】研究面向玉米田间场景的图像深度估计方法,解决深度估计模型因缺少有效光度损失度量而易产生的精度不足问题,为田间智能农业机械视觉系统设计及导航避障等提供技术支持。【方法】应用双目相机作为视觉传感器,提出一种基于混合分组扩张卷积的无监督场景深度估计模型。设计一种混合分组扩张卷积结构及对应的自注意力机制,由此构建反向残差模块和深度估计骨干网络;并将光照不敏感的图像梯度和Gabor纹理特征引入视图表观差异度量,构建模型优化目标。以田间玉米植株图像深度估计为例,开展模型的训练和测试试验。【结果】与固定扩张因子相比,采用混合分组扩张卷积使田间玉米植株深度估计平均相对误差降低了63.9%,平均绝对误差和均方根误差则分别降低32.3%和10.2%,模型精度显著提高;图像梯度、Gabor纹理特征和自注意力机制的引入,使田间玉米植株深度估计平均绝对误差和均方根误差进一步降低3.2%和4.6%。增加浅层编码器的网络宽度和深度可显著提高模型深度估计精度,但该处理对深层编码器的作用不明显。该研究设计的自注意力机制对编码器浅层反向残差模块中不同扩张因子的卷积分组体现出选择性,说明该机制具有自主调节感受野的能力。与Monodepth2相比,该研究模型田间玉米植株深度估计的平均相对误差降低48.2%,平均绝对误差降低17.1%;在20 m采样范围内,估计深度的平均绝对误差小于16 cm,计算速度为14.3帧/s。【结论】基于混合分组扩张卷积的图像深度估计模型优于现有方法,有效提升了深度估计的精度,能够满足田间玉米植株图像的深度估计要求。

关键词：深度估计扩张卷积自注意力无监督学习玉米植株图像

来源：评论

学校读者我要写书评

暂无评论

基于自适应观测器的液压锚杆钻机全局终端滑模有限时间转速控制

引用

中国科学：信息科学 2024年第8期54卷 1884-1906页

作者：张振郭一楠朱松焦峰巩敦卫中国矿业大学数学学院徐州221116 江苏省应用数学(中国矿业大学)中心徐州221116 中国矿业大学(北京)机械与电气工程学院北京100083 深部煤矿采动响应与灾害防控国家重点实验室准南232001 青岛科技大学自动化与电子工程学院青岛266061

在煤矿巷道支护中,液压锚杆钻机转速系统具有显著的死区、时变参数、内部外部扰动等非线性特性,使其转速跟踪控制存在精度低、速度慢和超调等问题,从而无法实现高质量和高效率的支护作业.为了解决上述问题,提高煤矿巷道支护的自动化程... 详细信息

在煤矿巷道支护中,液压锚杆钻机转速系统具有显著的死区、时变参数、内部外部扰动等非线性特性,使其转速跟踪控制存在精度低、速度慢和超调等问题,从而无法实现高质量和高效率的支护作业.为了解决上述问题,提高煤矿巷道支护的自动化程度、增强安全性和可靠性,设计一种高效的控制方法十分必要.鉴于此,本文提出一种基于自适应扩张状态观测器的全局终端滑模有限时间控制方法.首先,基于跟踪误差,设计一种自适应扩张状态观测器,该观测器能够通过自适应调整估计增益实时响应系统动态,实现扰动估计和系统跟踪性能的改善,从而有效克服转速系统的非线性特性,改善动态性能.其次,构建一种快速、平滑、连续的收敛函数,并有机融合跟踪误差和估计误差,设计一种新颖的全局终端滑模面;并根据李雅普诺夫(Lyapunov)方法,提出全局终端滑模控制律,有效改善转速系统的稳态性能.基于此,将观测器估计的扰动在滑模控制律中加以补偿,构成所提控制器.最后,基于李雅普诺夫稳定理论,论证转速系统的有限时间稳定性,并通过对比实验验证所提方法的有效性.

关键词：液压锚杆钻机滑模控制扩张状态观测器有限时间稳定收敛函数

来源：评论

学校读者我要写书评

暂无评论

基于多主体投资的双储能系统分层优化配置方案

引用

电力系统自动化 2023年第1期47卷 63-73页

作者：卞一帆谢丽蓉鲁宗相叶林路朋马伟可再生能源发电与并网技术教育部工程研究中心(新疆大学) 新疆维吾尔自治区乌鲁木齐市830017 电力系统及发电设备控制和仿真国家重点实验室(清华大学) 北京市100084 中国农业大学信息与电气工程学院北京市100083

储能电站的建设可缓解中国“三北”地区的“弃风限电”问题,提升当地电网消纳弃风的能力,但单主体投资储能的高昂成本限制了储能的推广与应用。针对此问题,构建了一种基于多主体投资的双储能系统分层优化配置模型。首先,提出了考虑循环... 详细信息

储能电站的建设可缓解中国“三北”地区的“弃风限电”问题,提升当地电网消纳弃风的能力,但单主体投资储能的高昂成本限制了储能的推广与应用。针对此问题,构建了一种基于多主体投资的双储能系统分层优化配置模型。首先,提出了考虑循环寿命的双储能协调运行策略,以减小频繁充放电切换导致的寿命损耗;然后,为实现多投资主体的利益最大化,提出了双层优化经济性模型,上层优化以风电场和电网运营商年收益最大为目标,下层优化以双储能充放电能力指标值之和最小为目标,并采用改进多目标黏菌算法和模糊隶属度函数对模型进行求解;最后,以中国新疆哈密某风电场实时运行数据为例,验证了所提方法的有效性。

关键词：储能弃风消纳多主体投资分层优化绿色证书交易多目标黏菌算法

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5的复杂跨域场景下的猪个体识别与计数

引用

农业工程学报 2022年第17期38卷 168-175页

作者：宁远霖杨颖李振波吴潇张倩中国农业大学信息与电气工程学院北京100083 农业农村部农业信息获取技术重点实验室北京100083 农业农村部国家数字渔业中心北京100083

为解决复杂跨域场景下猪个体的目标检测与计数准确率低下的问题,该研究提出了面向复杂跨域场景的基于改进YOLOv5(You Only Look Once version 5)的猪个体检测与计数模型。在骨干网络中分别集成了CBAM(Convolutional Block Attention Mod... 详细信息

为解决复杂跨域场景下猪个体的目标检测与计数准确率低下的问题,该研究提出了面向复杂跨域场景的基于改进YOLOv5(You Only Look Once version 5)的猪个体检测与计数模型。在骨干网络中分别集成了CBAM(Convolutional Block Attention Module)即融合通道和空间注意力的模块和Transformer自注意力模块,并将CIoU(Complete Intersection over Union)Loss替换为EIoU(Efficient Intersection over Union)Loss,以及引入了SAM(Sharpness-Aware Minimization)优化器并引入了多尺度训练、伪标签半监督学习和测试集增强的训练策略。试验结果表明,这些改进使模型能够更好地关注图像中的重要区域,突破传统卷积只能提取卷积核内相邻信息的能力,增强了模型的特征提取能力,并提升了模型的定位准确性以及模型对不同目标大小和不同猪舍环境的适应性,因此提升了模型在跨域场景下的表现。经过改进后的模型的m AP@0.5值从87.67%提升到98.76%,m AP@0.5:0.95值从58.35%提升到68.70%,均方误差从13.26降低到1.44。该研究的改进方法可以大幅度改善现有模型在复杂跨域场景下的目标检测效果,提高了目标检测和计数的准确率,从而为大规模生猪养殖业生产效率的提高和生产成本的降低提供技术支持。

关键词：模型计算机视觉目标检测计数注意力机制半监督学习

来源：评论

学校读者我要写书评

暂无评论

新型电力系统主动构网机理与技术路径

引用

中国电机工程学报 2024年第2期44卷 504-516,I0006页

作者：王祺张泽轲郭杰帅余鹏马进郭一甫赵慕欣李世翔山西大学电力学院山西省太原市030006 悉尼大学电气与信息学院澳大利亚悉尼NSW2006

随着新一代“双高”电力系统的发展,新能源并网变换系统逐渐由随网型向构网型演变,当新能源机组集群运行时,并网情况将更加复杂。变换器的构网能力需亟待研究,同时也是电力能源转型需承担的重要使命。该文立足并网系统内外形态的全局性... 详细信息

随着新一代“双高”电力系统的发展,新能源并网变换系统逐渐由随网型向构网型演变,当新能源机组集群运行时,并网情况将更加复杂。变换器的构网能力需亟待研究,同时也是电力能源转型需承担的重要使命。该文立足并网系统内外形态的全局性和传统并网变换系统性能分析的局限性,对并网变换器的主动构网支撑机理进行再揭示。首先,对虚拟同步技术与构网机理进行简要评述;其次,就集群并网系统的建模问题、多机集群并网运行时的耦合交互问题、支撑构网能力的储能配置和运行边界等3个关键技术问题,进行深入研究;最后,针对上述3个关键技术问题,进行技术路径探索和研判。该文的思路为形成适用于未来新能源集群并网运行的系统化理论和实用化方法奠定一定基础。

关键词：新能源并网构网能力集群运行惯量支撑一次调频

来源：评论

学校读者我要写书评

暂无评论

削弱磁暴对PPP影响的周跳探测阈值模型

引用

导航定位学报 2024年第2期12卷 42-52页

作者：雷东虎李厚朴罗小敏边少锋中国地质大学地质探测与评估教育部重点实验室武汉430074 海军工程大学电气工程学院武汉430033 中国地质大学地理与信息工程学院武汉430079 桂林理工大学广西空间信息与测绘重点实验室广西桂林541004

为了减少磁暴环境下全球卫星导航系统(GNSS)载波相位观测值的周跳误探率,从而提高GNSS精密单点定位(PPP)性能,提出一种可削弱磁暴对PPP影响的周跳探测阈值模型:利用不同磁暴强度下15个磁暴日的国际GNSS服务组织(IGS)站总计3524组观测数... 详细信息

为了减少磁暴环境下全球卫星导航系统(GNSS)载波相位观测值的周跳误探率,从而提高GNSS精密单点定位(PPP)性能,提出一种可削弱磁暴对PPP影响的周跳探测阈值模型:利用不同磁暴强度下15个磁暴日的国际GNSS服务组织(IGS)站总计3524组观测数据构建顾及电离层扰动指数(ROTI)的周跳探测阈值模型,简称ROTI_CSTM;并通过采用强磁暴、中磁暴、弱磁暴下全球158个IGS跟踪站观测数据对ROTI_CSTM模型进行PPP实验验证。结果表明,相比于常用的图尔博·埃迪特(TurboEdit)周跳探测阈值,采用ROTI_CSTM的全球定位系统(GPS)PPP在弱磁暴、中磁暴、强磁暴环境下的水平方向定位精度可分别提高16.98%、17.06%和52.44%,在高程方向的定位精度可分别提高25%、16.39%和59.43%;相比于甘普(GAMP)软件的阈值模型,在弱磁暴、中磁暴、强磁暴环境下的水平方向定位精度可分别提高4.04%、11.40%和20.90%,在高程方向的定位精度可分别提高5.37%、7.75%和26.23%。

关键词：全球卫星导航系统(GNSS) 磁暴精密单点定位(PPP) 电离层扰动指数(ROTI) 周跳探测阈值模型

来源：评论

学校读者我要写书评

暂无评论

基于语义分割的非结构化田间道路场景识别

引用

农业工程学报 2021年第22期37卷 152-160页

作者：孟庆宽杨晓霞张漫关海鸥天津职业技术师范大学自动化与电气工程学院天津300222 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 黑龙江八一农垦大学电气与信息学院大庆163319

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对... 详细信息

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对象,根据环境对象动、静态属性进行类别划分,提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模型。首先采用Mobilenet V2轻量卷积神经网络提取图像特征,将混合扩张卷积融入特征提取网络最后2个阶段,在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性;然后引入通道注意力模块对特征提取网络各阶段特征通道依据重要程度重新标定;最后通过空间金字塔池化模块将多尺度池化特征进行融合,获取更加有效的全局场景上下文信息,增强对复杂道路场景识别的准确性。语义分割试验表明,不同道路环境下本文模型可以对场景对象进行有效识别解析,像素准确率和平均像素准确率分别为94.85%、90.38%,具有准确率高、鲁棒性强的特点。基于相同测试集将该文模型与FCN-8S、SegNet、DeeplabV3+、BiseNet模型进行对比试验,该文模型的平均区域重合度为85.51%,检测速度达到8.19帧/s,参数数量为2.41×10^(6),相比于其他模型具有准确性高、推理速度快、参数量小等优点,能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。

关键词：机器视觉语义分割环境感知非结构化道路轻量卷积注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

采用多源信息融合的妊娠猪舍环境质量评价方法

引用

农业工程学报 2022年第18期38卷 212-221页

作者：迟宇郭艳娇冯涵李寒郑永军中国农业大学工学院北京100083 中国农业大学信息与电气工程学院北京100083 现代农业装备与设施教育部工程研究中心北京100083

妊娠猪舍作为养殖场猪只繁育的基础条件,其环境质量对母猪的生产性能有显著影响。为合理评价妊娠猪舍环境质量,该研究提出一种基于模拟退火的粒子群算法(Simulated Annealing-Particle Swarm Optimization,SA-PSO)、套索算法(Least Abso... 详细信息

妊娠猪舍作为养殖场猪只繁育的基础条件,其环境质量对母猪的生产性能有显著影响。为合理评价妊娠猪舍环境质量,该研究提出一种基于模拟退火的粒子群算法(Simulated Annealing-Particle Swarm Optimization,SA-PSO)、套索算法(Least Absolute Shrinkage and Selection Operator,LASSO)和反向传播(Back Propagation,BP)神经网络的环境质量评价模型。利用卡尔曼滤波和分批估计自适应加权融合算法,实现多节点环境数据的时间与空间序列融合;构建猪舍环境质量非线性评价模型,采用LASSO算法,筛选得出与环境质量强相关的特征参数,实现输入降维;融合SA-PSO算法实现网络初始权值和阈值的优化,形成SA-PSO-LASSO-BP神经网络评价模型。通过对数据采集系统获取的实际妊娠猪舍环境数据进行验证,结果表明:提出的环境质量评价模型决定系数为0.918、总准确率为95.85%,相比单纯使用BP神经网络,加入LASSO和SA-PSO算法后决定系数与总准确率分别提高了37.43%、11.09个百分点,具有更高的评价精度和性能,可更好地拟合复杂环境参数与环境质量间的非线性关系,为妊娠猪舍环境质量评价提供参考。

关键词：模型环境妊娠猪舍环境质量 BP神经网络 LASSO算法 SA-PSO算法

来源：评论

学校读者我要写书评

暂无评论

基于多光谱图像角度融合测定库尔勒香梨理化指标

引用

光谱学与光谱分析 2024年第3期44卷 649-655页

作者：刘鸿阳孔德国罗华平高峰王聪颖塔里木大学机械电气化工程学院新疆阿拉尔843300 自治区教育厅普通高等学校现代农业工程重点实验室新疆阿拉尔843300

基于多光谱图像角度融合,提出了一种库尔勒香梨快速无损检测的方法。以库尔勒香梨为研究对象,应用多光谱成像采集系统,以10°为间隔,获取了相对方位角为10°~90°内的多光谱图像。使用ENVI5.1软件进行多光谱图像角度融合并... 详细信息

基于多光谱图像角度融合,提出了一种库尔勒香梨快速无损检测的方法。以库尔勒香梨为研究对象,应用多光谱成像采集系统,以10°为间隔,获取了相对方位角为10°~90°内的多光谱图像。使用ENVI5.1软件进行多光谱图像角度融合并提取感兴趣区域(ROI),获得多光谱数据。对光谱反射率、波段和相对方位角进行了皮尔逊相关性分析,发现波段和相对方位角都对光谱反射率呈极显著相关性,且相对方位角相关系数为0.1大于波段相关系数0.053,有必要在建模过程中加入相对方位角因素。采用标准正态变量变换(SNV)、均值中心化变换(MC)、卷积平滑处理(S_G)和归一化处理(Nor)等预处理方法,选用偏最小二乘回归(PLSR)建立全波段检测模型,通过校正集相关系数(R_(c))、预测集相关系数(R_(p))、校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)对模型的效果进行评价,对比探究特征角度下和角度融合下库尔勒香梨关键指标的模型检测效果。结果表明:采用角度融合处理后,所建立的PLSR和SVM模型预测效果都有显著提升。预测库尔勒香梨含水率最优模型为采用角度融合的偏最小二乘回归模型(AF-PLSR),其R_(c)为0.936, RMSEC为0.298,R_(p)为0.901, RMSEP为0.285;预测库尔勒香梨硬度和糖度的最优模型为以角度融合的支持向量机模型(AF-SVM),R_(c)分别为0.894、 0.905, RMSEC为0.527、 0.376;R_(p)为0.830、 0.901, RMSEP为0.532、 0.379。角度融合将不同角度下的光谱数据结合在一起,获得了比单一角度更加丰富的信息,得到了更加完善的光谱。所建立的检测模型精度更高。结果证明:基于多光谱图像角度融合技术预测库尔勒香梨的含水率、硬度和糖度是可行的。为提高多光谱无损检测精度和高光谱无损检测精度提供了一种新的思路。

关键词：多光谱成像融合光谱库尔勒香梨偏最小二乘回归

来源：评论

学校读者我要写书评

暂无评论

基于轻量二阶段检测模型的自然环境多类蔬菜幼苗识别

引用

农业机械学报 2021年第10期52卷 282-290页

作者：孟庆宽张漫叶剑华都泽鑫宋名果张志鹏天津职业技术师范大学自动化与电气工程学院天津300222 天津市信息传感与智能控制重点实验室天津300222 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网... 详细信息

为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网络对输入图像进行运算,以提高图像特征提取速度与效率;在此基础上,引入特征金字塔网络(Feature pyramid networks,FPN)单元融合特征提取网络不同层级特征信息,用于增强深度学习检测模型对多尺度目标的检测精度;然后,通过压缩检测头网络通道维数和全连接层数量,降低模型参数规模与计算复杂度;最后,将距离交并比(DistanceIoU,DIoU)损失作为目标边框回归损失函数,使预测框位置回归更加准确。试验结果表明,本文提出的深度学习推理模型对多类蔬菜幼苗的平均精度均值为97.47%,识别速度为19.07 f/s,模型占用存储空间为60 MB,对小目标作物以及叶片遮挡作物的平均精度均值达到88.55%,相比于Faster RCNN、RFCN模型具有良好的泛化性能和鲁棒性,可以为蔬菜田间农业智能装备精准作业所涉及的蔬菜幼苗检测识别问题提供新方案。

关键词：蔬菜幼苗深度学习作物识别轻量卷积二阶段检测模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：