检索结果-内蒙古大学图书馆

中国科学:技术科学 2025年第3期55卷 451-461页

作者：申湘林秀钰陈钧任国平胡启昌周顺桂福建农林大学资源与环境学院福州350002 福建省农业信息感知技术重点实验室福建农林大学机电工程学院福州350002

同时收集环境水分和太阳能中潜能实现全天候产电是应对能源短缺的重要研究方向,但仍面临巨大挑战.目前,大多数研究依赖复杂的自组装过程制备复合功能材料,存在成本高、发电效率低等问题.受自然界藻类光合作用能够同时利用水分和太阳能... 详细信息

同时收集环境水分和太阳能中潜能实现全天候产电是应对能源短缺的重要研究方向,但仍面临巨大挑战.目前,大多数研究依赖复杂的自组装过程制备复合功能材料,存在成本高、发电效率低等问题.受自然界藻类光合作用能够同时利用水分和太阳能这一现象启发,本研究首次提出了一种基于天然蓝藻(Synechocystis *** 6803)生物膜且构造简单的水伏-光伏耦合发电机,其无需额外添加光敏材料,兼具水伏-光伏的本征特性.研究结果表明,该发电机白天可利用光伏效应和水伏效应耦合发电,夜间则依靠水伏效应产电,从而实现全天候持续发电.基于水伏-光伏的协同增益,器件的最高开路电压可达0.52 V,短路电流为0.57μA,水伏-光伏耦合条件下的功率密度为1.7×10^(-4)W/m^(2),高于单一湿气发电的功率密度(5×10^(-5)W/m^(2)).此外,生物膜在长时间产电后仍可保持高生物活性,并可通过串并联实现线性放大,展现出良好的实际应用潜力.该研究为未来不间断生物基水伏能源技术的设计提供了新思路.

关键词：水伏发电湿气发电水伏-光伏耦合发电机蓝藻生物膜全天候持续产电

来源：评论

学校读者我要写书评

暂无评论

基于SwinPoinTr的视角受限下杏鲍菇表型参数测量方法

引用

农业机械学报 2025年第3期56卷 148-157页

作者：谢立敏黄轶吴昊宇叶大鹏方兵福建农林大学机电工程学院福州350100 福建省农业信息感知技术重点实验室福州350100 福建农林大学未来技术学院福州350100

针对菇房内杏鲍菇表型参数测量任务中,由于扫描设备视角受限,扫描的杏鲍菇点云出现残缺问题,基于AdaPoinTr(Adaptive geometry-aware point transformers)提出了改进的SwinPoinTr模型,实现了对残缺杏鲍菇点云的准确补全和杏鲍菇表型参... 详细信息

针对菇房内杏鲍菇表型参数测量任务中,由于扫描设备视角受限,扫描的杏鲍菇点云出现残缺问题,基于AdaPoinTr(Adaptive geometry-aware point transformers)提出了改进的SwinPoinTr模型,实现了对残缺杏鲍菇点云的准确补全和杏鲍菇表型参数的测量。该方法在使用提出的特征重塑模块的基础上,构建具有几何感知能力的层次化Transformer编码模块,提高了模型对输入点云的利用率和模型捕捉点云细节特征的能力。然后基于泊松重建方法完成了补全点云表面重建,并测量到杏鲍菇表型参数。实验结果表明,本文所提算法在残缺杏鲍菇点云补全任务中,模型倒角距离为1.316×10^(-4),地球移动距离为21.3282,F1分数为87.87%。在表型参数估测任务中,模型对杏鲍菇菌高、体积、表面积估测结果的决定系数分别为0.9582、0.9596、0.9605,均方根误差分别为4.4213 mm、10.8185 cm^(3)、7.5778 cm^(2)。结果证实了该研究方法可以有效地补全残缺的杏鲍菇点云,可以为菇房内杏鲍菇表型参数测量提供基础。

关键词：杏鲍菇智慧菇房表型参数点云补全泊松重建 SwinPoinTr

来源：评论

学校读者我要写书评

暂无评论

基于轻量化YOLO v8s-GD的自然环境下百香果快速检测模型

引用

农业机械学报 2024年第8期55卷 291-300页

作者：罗志聪何陈涛陈登捷李鹏博孙奇燕福建农林大学机电工程学院福州350002 福建省农业信息感知技术重点实验室福州350002 福建农林大学计算机与信息学院福州350002

为了提高百香果检测精度,并将深度学习模型部署在移动平台上,实现快速实时推理,本文提出一种基于改进YOLO v8s的轻量化百香果检测模型(YOLO v8s-GD)。使用聚集和分发机制(GD)替换颈部特征融合网络,提高模型对百香果图像特征信息跨层融... 详细信息

为了提高百香果检测精度,并将深度学习模型部署在移动平台上,实现快速实时推理,本文提出一种基于改进YOLO v8s的轻量化百香果检测模型(YOLO v8s-GD)。使用聚集和分发机制(GD)替换颈部特征融合网络,提高模型对百香果图像特征信息跨层融合能力和模型泛化能力;通过基于层自适应幅度的剪枝(LAMP)修剪模型,损失一定精度换取减小模型体积,减少模型参数量,以实现在嵌入式设备上快速检测;运用知识蒸馏学习策略弥补因剪枝而损失的检测精度,提高模型检测性能。实验结果表明,对于自然环境下采集的百香果数据集,改进后模型参数量和内存占用量相比原YOLO v8s基线模型分别降低63.88%和62.10%,精确率(Precision)和平均精度(AP)相较于原模型分别提高0.9、2.3个百分点,优于其他对比模型。在Jetson Nano和Jetson Tx2嵌入式设备上实时检测帧率(FPS)分别为5.78、19.38 f/s,为原模型的1.93、1.24倍。因此,本文提出的改进后模型能够有效检测复杂环境下百香果目标,为实际场景中百香果自动采摘等移动端检测设备部署和应用提供理论和技术支持。

关键词：百香果 YOLO v8s 轻量化检测模型聚集和分发机制

来源：评论

学校读者我要写书评

暂无评论

基于单目视觉边缘频谱的散焦图像测距算法研究

引用

中国光学（中英文） 2023年第3期16卷 627-636页

作者：介邓飞王浩吕惠芳田波涛张展翔福建农林大学机电工程学院福建福州350002 福建省农业信息感知技术重点实验室福建福州350002

为了实现基于单目相机的弱或无表面纹理特征目标精确测距,提出了一种基于保留边缘频谱信息的改进散焦图像测距算法。通过对比以傅立叶变换和拉普拉斯变换为计算核心的两种经典散焦测距理论,构建相应的清晰度评价函数,根据灵敏度更好的... 详细信息

为了实现基于单目相机的弱或无表面纹理特征目标精确测距,提出了一种基于保留边缘频谱信息的改进散焦图像测距算法。通过对比以傅立叶变换和拉普拉斯变换为计算核心的两种经典散焦测距理论,构建相应的清晰度评价函数,根据灵敏度更好的频谱清晰度函数选择基于频谱的散焦测距法,并根据频谱清晰度函数在保留目标边缘信息的基础上选择频域计算范围,从而进行测距。为验证算法的可行性,本文采用6组不同的鸭蛋样本,获取不同光圈、不同距离的散焦图像,利用该改进算法求解鸭蛋到相机镜头的距离。实验结果表明,基于边缘频谱保留的散焦图像测距改进算法具有良好的测距效果,相关系数为0.986,均方根误差为11.39 mm,并发现对于斜放拍摄的鸭蛋图像进行图像旋转处理后,可有效地提升测距能力,均方根误差从11.39 mm下降至8.76 mm,平均相对误差从2.85%下降至2.28%,相关系数提升至0.99。基本满足了弱或无表面纹理特征目标测距的稳定、精度等要求。

关键词：机器视觉散焦测距边缘频谱图像处理弱或无纹理特征

来源：评论

学校读者我要写书评

暂无评论

不同结构凹穴微通道内超临界氮气流动与传热特性

引用

化工进展 2023年第11期42卷 5592-5601页

作者：韩昌亮黄峄演徐建全福建农林大学机电工程学院福建福州350002 福建省农业信息感知技术重点实验室福建福州350002

为了实现微通道换热器表面结构的高效设计,本文将数值模拟和实验手段相结合,以超临界氮气(supercritical nitrogen,SCN_(2))为流体工质,研究了不同凹穴形状(直微通道、圆形、矩形和梯形)和椭圆度对微通道流动与传热特性的影响,揭示了SCN... 详细信息

为了实现微通道换热器表面结构的高效设计,本文将数值模拟和实验手段相结合,以超临界氮气(supercritical nitrogen,SCN_(2))为流体工质,研究了不同凹穴形状(直微通道、圆形、矩形和梯形)和椭圆度对微通道流动与传热特性的影响,揭示了SCN_(2)高效低阻强化换热机理。结果表明,相比于直微通道,圆形凹穴微通道中轴线上SCN_(2)速度达到稳定值所需入口段距离更短,这是由于凹穴能够促使流体流动/热边界层一直处于破坏与重建的交替状态。圆形凹穴内流体旋涡形状与凹穴几何结构保持一致,其流阻特性和换热性能最优,梯形凹穴微通道次之,矩形凹穴微通道最差。微通道综合性能随着凹穴椭圆度增加呈先升高后降低变化趋势,当椭圆度为1时,其综合性能最优。研究结果对提高微通道换热器设计制造能力具有重要的意义。

关键词：微通道超临界氮气凹穴结构流动与传热

来源：评论

学校读者我要写书评

暂无评论

基于EP-YOLO v8的瓶栽金针菇最优抓取位置定位方法

引用

农业机械学报 2024年第10期55卷 51-61页

作者：叶大鹏景均吴昊宇李辉煌谢立敏福建农林大学机电工程学院福州350002 福建省农业信息感知技术重点实验室福州350002 福建农林大学未来技术学院(海峡联合研究院) 福州350002

针对工厂化瓶栽金针菇自动切根过程中,夹持末端因结构设计导致行程固定,进而影响抓取效果甚至切根质量的问题,本文基于YOLO v8(You only look once)构建改进的Enoki-pick_region-YOLO v8(EP-YOLO v8),实现瓶栽金针菇整体及最佳受力区域... 详细信息

针对工厂化瓶栽金针菇自动切根过程中,夹持末端因结构设计导致行程固定,进而影响抓取效果甚至切根质量的问题,本文基于YOLO v8(You only look once)构建改进的Enoki-pick_region-YOLO v8(EP-YOLO v8),实现瓶栽金针菇整体及最佳受力区域(关键抓取区域)的精准定位与轮廓提取,保障抓取参数的可靠性。该方法在网络优化基础上,基于最小欧几里得距离(Euclidean distance,ED)构建掩膜关系归属与判断模型,明确金针菇菇体与关键抓取区域掩膜间父子关系并合并优化。通过解析合并前后关键抓取区域的相对位置编码,确定抓取参数并进行坐标转换,为建立末端控制映射模型实现末端机械手运动行程的精确控制提供基础。实验结果表明,本文所提算法的金针菇菇体掩膜识别精确率达99.3%,关键抓取区域掩膜识别精确率达99.6%。同时,对比发现掩膜质量得到了提高,获取的参数抓取区域宽度与实际宽度之间的误差仅为0.7%,抓取参数基本满足抓取条件,能有效实现最优抓取位置的精准识别与定位。

关键词：瓶栽金针菇采摘点采摘机器人 YOLO v8 多目标识别

来源：评论

学校读者我要写书评

暂无评论

金针菇离散元参数标定与试验分析

引用

中国农业科技导报(中英文) 2025年

作者：叶大鹏林志强赵熠威邱恒荣赖鸿康谢立敏福建农林大学机电工程学院福建农林大学福建省农业信息感知技术重点实验室

为了在金针菇切割设备刀具设计时，精确结合剪切力、提高刀具设计中仿真效果和实际作业效果的准确性，以采收期的金针菇为研究对象，进行离散元仿真参数标定与分析。通过搭建测试平台，测定金针菇与白钢的碰撞恢复系数、静摩擦与动摩擦... 详细信息

为了在金针菇切割设备刀具设计时，精确结合剪切力、提高刀具设计中仿真效果和实际作业效果的准确性，以采收期的金针菇为研究对象，进行离散元仿真参数标定与分析。通过搭建测试平台，测定金针菇与白钢的碰撞恢复系数、静摩擦与动摩擦系数等接触参数；基于离散元仿真模型，通过仿真堆积角与仿真剪切试验，以金针菇之间的碰撞恢复系数、静摩擦与动摩擦系数，金针菇颗粒之间的法向、切向接触刚度与临界法向、切向应力为试验因素，以堆积角度与剪切力为评价指标，利用Box-Behnken响应面法与Central Composite Design中心组合设计响应面试验进行多目标优化仿真标定。结果表明，金针菇之间的碰撞恢复系数为0.513、静摩擦系数为0.198、动摩擦系数为0.072；法向、切向接触刚度分别为3.70×10～8和2.51×10～8 N·m-1，临界法向、切向应力均为9.0×10～6 Pa。最优参数组合条件下仿真与物理对比试验表明，仿真与物理试验中堆积角、剪切力的相对误差分别为0.75%、1.64%。研究结果可为金针菇之间、金针菇与农具之间的离散元仿真分析及金针菇切根机构的设计提供参考。

关键词：金针菇堆积角试验剪切试验离散元参数标定

来源：评论

学校读者我要写书评

暂无评论

基于轻量化YOLOv8的百香果快速检测模型

引用

农业机械学报 2024年

作者：罗志聪何陈涛陈登捷李鹏博孙奇燕福建农林大学机电工程学院福建省农业信息感知技术重点实验室福建农林大学计算机与信息学院

为了提高百香果检测精度，并将深度学习模型部署在移动平台上，实现快速实时推理。本研究提出了一种基于改进YOLOv8s的轻量化百香果检测模型。使用聚集和分发机制(GD)替换颈部特征融合网络，提高模型对百香果图像的特征信息跨层融合能... 详细信息

为了提高百香果检测精度，并将深度学习模型部署在移动平台上，实现快速实时推理。本研究提出了一种基于改进YOLOv8s的轻量化百香果检测模型。使用聚集和分发机制(GD)替换颈部特征融合网络，提高模型对百香果图像的特征信息跨层融合能力和模型泛化能力；通过基于层自适应幅度的剪枝(LAMP)修剪模型，损失一定精度换取模型体积，减少模型参数量，以实现在嵌入式设备上快速检测；运用知识蒸馏学习策略弥补因剪枝而损失的检测精度，提高模型检测性能。试验结果表明，对于自然环境下采集的百香果数据集，改进后模型参数量和内存占用量相比原YOLOv8s基线模型分别降低63.88%和62.10%，精确率(Precision)和平均精度值(MAP)相较于原模型分别提高0.9和2.3个百分点，优于其他对比模型。在Jetson Nano和Jetson Tx2嵌入式设备上实时检测帧率(FPS)分别为5.78和19.38f/s，为原模型的1.93和1.24倍。因此，本文提出的改进后模型能够有效检测复杂环境下百香果目标，为实际场景中百香果自动采摘等移动端检测设备部署和应用提供理论和技术支持。

关键词：百香果 YOLOv8 轻量化检测模型

来源：评论

学校读者我要写书评

暂无评论

番茄温室机器人的多传感器融合建图与导航研究

引用

中国农机化学报 2025年第4期46卷 171-178+185页

作者：傅泓龙胡裕兵谢立敏蔡云方兵福建农林大学机电工程学院福建省农业信息感知技术重点实验室

针对番茄温室中的长廊环境及植被分布问题，对番茄机器人的多传感器融合的SLAM和导航算法进行优化。基于Cartographer算法，进行激光雷达数据去畸变处理，再通过无迹卡尔曼滤波（UKF）融合激光雷达、里程计及IMU信息进行机器人位姿估计... 详细信息

针对番茄温室中的长廊环境及植被分布问题，对番茄机器人的多传感器融合的SLAM和导航算法进行优化。基于Cartographer算法，进行激光雷达数据去畸变处理，再通过无迹卡尔曼滤波（UKF）融合激光雷达、里程计及IMU信息进行机器人位姿估计优化，并使用优化后的算法对温室进行高精度地图构建。将建立的高精度栅格地图使用改进的A*与DWA融合算法进行验证，通过动态调整权重和优化搜索逻辑，提高A*算法的搜索效率和路径安全性，使得机器人在温室环境下能够更加智能地寻找最优且安全的路径，在ROS的gazebo平台和实地的温室环境中验证算法的有效性。结果表明，在机器人运行速度≤0.6 m/s时，平均位置偏差为10.3 cm，满足番茄温室的作业要求。

关键词：番茄温室机器人多传感器融合激光SLAM 路径规划导航

来源：评论

学校读者我要写书评

暂无评论

MSH-YOLOv8:融合尺度重建的蘑菇小目标检测方法

引用

智慧农业（中英文） 2024年第5期6卷 139-152页

作者：叶大鹏景均张之得李辉煌吴昊宇谢立敏福建农林大学机电工程学院福建福州350002 福建省农业信息感知技术重点实验室福建福州350002 福建农林大学未来技术学院福建福州350002

[目的/意义]为了解决图像尺寸变化和目标尺度变换共存对小目标检测精度的影响问题,本研究提出了一种新的检测模型:Multi-Strategy Handling YOLOv8(MSH-YOLOv8)。[方法]该模型在YOLOv8的基础上增加一个检测头,以提高小尺度目标敏感度;引... 详细信息

[目的/意义]为了解决图像尺寸变化和目标尺度变换共存对小目标检测精度的影响问题,本研究提出了一种新的检测模型:Multi-Strategy Handling YOLOv8(MSH-YOLOv8)。[方法]该模型在YOLOv8的基础上增加一个检测头,以提高小尺度目标敏感度;引入Swin Transformer的检测结构到头部网络,以减少计算冗余;引入包含可变形卷积的C2f_Deformable Convolutionv4(C2f_DCNv4)结构和Swin Transformer编码器结构重构YOLOv8主干网络,优化并增强其特征传递和提取能力,提高小目标敏感度;采用基于规范化的注意力模块(Normalizationbased Attention Module,NAM)优化网络检测速度和准确性;用Wise-Intersection over Union Loss(WIoU)代替原损失函数,以提高训练效果和收敛速度;在后处理阶段应用分辨率动态训练、多尺度测试、软非极大值抑制算法(Soft-Non-Maximum Suppression,Soft-NMS)、加权边界框融合算法(Weighted Boxes Fusion,WBF)等方法,提高尺度变化下小目标检测效果。以蘑菇为研究对象,在开放数据集Fungi上开展实验。[结果和讨论]MSH-YOLOv8的平均正确率(Average Precision50,AP50)和AP@50-95分别达到了98.49%和75.29%,其中小目标检测指标值APs达39.73%。相较于主流模型YOLOv8,三项指标分别提高了2.34%,4.06%和8.55%;相较于优秀模型Transformer Prediction Heads-YOLOv5(TPH-YOLOv5),三项指标分别提高了2.14%,2.76%和6.89%。[结论]本研究提出的MSH-YOLOv8改进方法可在图像尺寸变化与目标尺度变化条件下有效提高小目标的检测效果。

关键词：图像尺寸小目标检测特征提取多尺度检测模型集成

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：