共查询到20条相似文献，搜索用时 137 毫秒
1.
2.
针对我国小麦播种机自动控制系统的可靠性及灵敏度不高的问题,基于机器深度学习对小麦播种机的控制系统进行了设计和改进。小麦播种机的主要组成包括控制系统、排种系统、监控系统、电力系统、机架和驾驶室、覆土镇压和排肥装置。为了使播种机的控制系统能有效进行图像检测识别,提升播种机的控制精度,采用机器深度学习中的卷积神经网络算法对控制系统进行设计,并采用迁移学习的方式对模型进行训练和检测。为了验证播种机控制系统的性能,对其进行播种精度控制和播种性能测试试验,结果表明：播种机的精度和性能均符合播种机的设计要求。 相似文献
3.
为进一步提升我国农业植保无人机的精准作业效率,针对其操控系统展开优化研究。选定KNN神经网络算法为执行理念,以无人机作业控制原理为基础,搭建正确的过程参数动态计算模型,进行操控系统的算法实现与调控配置,并展开基于KNN神经网络的无人机喷施作业试验。试验结果表明：KNN神经网络算法下的无人机操控系统运行稳定,过程参数的分类准确率相对提高了8.00%,目标喷施流量与试验喷施流量的偏差率相对降低了5.71%,农药喷施均匀度可提升至94.75%,整机作业综合效率明显提升。此设计理念以计算机智能数据处理为出发点,对无人机的高效率全面发挥有一定的推动作用,可用于类似智能农机装备的控制系统改进与开发,具有一定的参考价值。 相似文献
4.
为实现农业无人机高速、准确降落于地面移动机械设备(自走式施肥机构、农业无人车等)上,基于Aruco码设计了一种复合视觉识别标志,并基于该视觉识别标志提出了农业无人机动态降落控制策略。降落策略主要分为两个阶段：阶段一为标识识别阶段,使用Aruco标识检测算法进行标识识别;阶段二为对带标识地面移动机械设备的稳定跟踪。工作时,利用PnP类算法求解无人机当前位姿,使用PD轨迹追踪算法实现农业无人机对地面移动平台的追踪。为了验证该控制策略的有效性与准确性,利用开源仿真平台Prometheus进行仿真验证,并使用MatLab进行数据分析,结果表明：该控制策略可实现农业无人机的自主降落。 相似文献
5.
自然环境下树上绿色芒果的无人机视觉检测技术 总被引：1，自引：0，他引：1
为了快速检测芒果树上的芒果,本文提出了一种基于无人机的树上绿色芒果视觉检测方法。本文采用深度学习技术,利用YOLOv2模型对无人机采集的芒果图像进行检测,首先通过无人机采集树上芒果图像,对芒果图像进行人工标记,建立芒果图像的训练集和测试集,通过试验确定训练模型的批处理量和初始学习率,并在训练模型时根据训练次数逐渐降低学习率,最终训练出来的模型在训练集上的平均精度(Mean average precision,MAP)为86.43%。通过试验,分析了包含不同果实数和不同光照条件下芒果图像的识别准确率,并设计了芒果树产量估计试验,试验结果表明:本文算法检测一幅图像的平均运行时间为0.08s,对测试集的识别准确率为90.64%,错误识别率为9.36%;对含不同果实数的图像识别准确率最高为94.55%,最低为88.05%;顺光条件下识别准确率为93.42%,逆光条件下识别准确率为87.18%;对芒果树产量估计的平均误差为12.79%。表明本文算法对自然环境下树上芒果有较好的检测效果,为农业智能化生产中果蔬产量的估计提供了视觉技术支持。 相似文献
6.
随着模式识别领域不断的发展,图像识别作为该领域中的典型应用,受到了众多学者的关注,尤其是在图像快速识别方面。对此,该文将从深度学习的概述入手,选择卷积神经网络算法应用于水果图像识别中。通过对卷积神经网络算法的网络结构以及卷积神经网络训练过程的详细分析,采用卷积神经网络架构设计、分类器设计建构了基于卷积神经网络的水果图像识别系统。并将识别结果与传统水果图像识别结果进行对比验证,为水果图像识别领域提供参考。 相似文献
7.
针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法。该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活函数组成的网络结构,利用Sofmax loss和L2正则化进行损失函数设计。算法使用卷积加步长替代池化层,让网络具有自主学习下采样能力,使用批量规范化层用于解决网络过拟合问题。采用Fruits-360数据集进行测试,实验表明,FC-CNN可以识别出48种水果,准确率可达到99.63%。与现有的深度学习水果图像分类算法相比,FC-CNN的识别准确率更高,识别种类更多。 相似文献
8.
为提高采摘设备的执行效率，采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统，该系统可自动识别不同种类的水果，并实现自动采摘，可通过手机端远程控制采摘设备的起始和停止，并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程，从而避免了大量的矩阵运算，使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真，验证了降维求解的可行性。在果实采摘流程中，为了使机械臂运动轨迹更加稳定与协调，采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位，在Ubuntu 19.10操作系统中使用2000幅图像作为训练集，分别对不同种类的果实进行识别模型训练，在GPU环境下进行测试，结果表明，每种果实识别的准确率均在94%以上，单次果实采摘的时间约为17s。经过实际测试，该系统具有良好的稳定性、实时性以及对果实采摘的准确性。 相似文献
9.
10.
随着人工智能、深度学习的快速发展,无人机自主飞行技术已然成为无人机智能化评价之一。在精准农业与智慧农业的倡导下,无人机在农业领域发展迅猛。农用无人机应用场景包括:作物授粉、喷洒作业、农情监测、打顶剪枝、疏花疏果及畜牧跟踪,其自主程度重要性不言而喻。综述国内外无人机飞行技术研究现状,介绍农用无人机在自主控制方法、避障方法、轨迹规划算法以及精准喷洒方法的研究进展,分析指出农用无人机系统自主环境感知能力差、信息处理速度慢、路径规划算法收敛慢、作物识别率低等不足,提出采用多传感器组合、双冗余控制、多算法融合和基于深度学习的作物特征识别等改进方法。本文为农用无人机自主飞行技术满足智能作业需求提供理论基础。 相似文献
11.
随着科学技术的不断进步和完善,情感计算对于智能设备设计的重要性也日益显著,将情感计算能力与智能设备进行有机地整合不仅能够较好地整合人机交互,还可以使设备具有类人的作业能力。为了使采摘机器人可以对具体的作业环境做出反应,实现果实的定位和成熟度的判断,采用AML脚本语言,结合模糊c均值聚类算法,设计了采摘机器人智能识别模式模型,并将算法嵌入到采摘机器人机器视觉及控制系统中,最后对算法的可行性和可靠性进行了验证。试验结果表明:采用该方法对农作物颜色识别的准确率较高,并且相对于其他算法具有计算效率更快、计算准确率更高等优点,从而验证了算法的可靠性,为智能采摘机器人的设计提供了一种新的方法。 相似文献
12.
基于多源图像融合的自然环境下番茄果实识别 总被引：1，自引：0，他引：1
蔬果采摘机器人面对的自然场景复杂多变,为准确识别和分割目标果实,实现高成功率采收,提出基于多源图像融合的识别方法。首先,针对在不同自然场景下单图像通道信息不充分问题,提出融合RGB图像、深度图像和红外图像的多源信息融合方法,实现了机器人能够适应自然环境中不同光线条件的番茄果实。其次,针对传统机器学习训练样本标注低效问题,提出聚类方法对样本进行辅助快速标注,完成模型训练;最终,建立扩展Mask R-CNN深度学习算法模型,进行采摘机器人在线果实识别。实验结果表明,扩展Mask R-CNN算法模型在测试集中的检测准确率为98.3%、交并比为0.916,可以满足番茄果实识别要求;在不同光线条件下,与Otsu阈值分割算法相比,扩展Mask R-CNN算法模型能够区分粘连果实,分割结果清晰完整,具有更强的抗干扰能力。 相似文献
13.
《农业装备与车辆工程》2015,(4)
基于Takagi-Sugeno(T-S)模型的模糊神经网络兼具有模糊逻辑推理能力和自学习训练的优点。将基于T-S模型的模糊神经网络的信息融合算法应用于智能车辆的安全避障控制中,提高了车辆的避障控制精度。采用多个超声波和红外测距传感器探测障碍物的方位,信息经过模糊神经网络控制器融合后,实现了智能小车对障碍物和环境类型的识别以及安全避障控制。通过MATLAB仿真实验验证此方法能够使智能小车安全避障。 相似文献
14.
农作物病虫害对农业产量和品质影响巨大。数字图像处理技术在农作物病虫害识别中发挥重要作用。深度学习在该领域取得显著突破,效果优于传统方法。深度学习方法的特征提取能力更强,能准确捕捉细微特征,提高检测精度和可靠性。深度学习为农业提供了有力支持。本研究综述了基于深度学习的农作物病虫害检测研究,从分类网络、检测网络和分割网络3方面进行了概述,并对每种方法的优缺点进行了总结,同时比较了现有研究的性能。在此基础上,进一步探讨了基于深度学习的农作物病虫害检测算法在实际应用中面临的难题,并提出了相应的解决方案和研究思路。最后,对基于深度学习的农作物病虫害检测技术的未来趋势进行了分析和展望。 相似文献
15.
16.
果实目标深度学习识别技术研究进展 总被引：1，自引：0，他引：1
机器视觉技术是果实目标识别与定位研究的关键。传统的目标识别算法准确率较低、检测速度较慢,难以满足实际生产的需求。近年来,深度学习方法在果实目标识别与定位任务中表现出了优良的性能。本文从数据集制备与果实目标识别模型两方面进行综述,总结了数据集制备相关的有监督、半监督和无监督3种方法的特点,按照深度学习算法的发展历程,归纳了基于深度学习的果实目标检测和分割技术的常用方法及其实际应用,轻量化模型的研究进展及其应用情况,基于深度学习的果实目标识别技术面临的问题和挑战。最后指出基于深度学习的果实目标识别方法未来发展趋势为：通过弱监督学习来降低模型对数据标签的依赖性,提高轻量化模型的检测速度以实现果实目标的实时准确检测。 相似文献
17.
机采鲜茶叶中混有各种等级的茶叶,针对风选、筛选等分选方法难以做到精确细分的问题,结合计算机视觉技术和深度学习方法,设计了一套鲜茶叶智能分选系统,搭建了基于7层结构的卷积神经网络识别模型,通过共享权值和逐渐下降的学习速率,提高了卷积神经网络的训练性能。经过实验验证,该分选系统可以实现鲜茶叶的自动识别和分选,识别正确率不低于90%,可对鲜茶叶中的单芽、一芽一叶、一芽二叶、一芽三叶、单片叶、叶梗进行有效的类别分选。 相似文献
18.
为了提高联合收割机的收割效率和自动化作业能力,使其在复杂地块具有智能路径规划功能,提高收割机作业的自适应能力,提出了一种基于禁忌搜索的智能联合收割机自动路径规划优化方案,并采用PID反馈调节控制算法,来降低算法的误差;建立了联合收割机智能搜索的禁忌算法模型,并设计了积分、微分和比例调节的PID控制模型;最后利用实地和软件测试的方法对算法的可行性和可靠性进行了测试。结果表明:利用禁忌搜索的PID控制算法可以有效地缩短路径规划时间,提高算法的精度,从而验证了算法在收割机智能控制上应用的可行性。 相似文献
19.
为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。 相似文献
20.
《中国农村水利水电》2018,(12)
作为机器学习的重要分支,深度学习在图像智能分析、语音识别等领域上表现出卓越的优势,在水利行业上也有着广泛的应用前景。阐述了深度学习的发展历程,介绍了深度学习中应用最为广泛的三种算法:卷积神经网络、深度置信网和堆叠自动编码器,结合现阶段深度学习在水利行业中的应用,分别从遥感影像分类、水质分析预测与水文预报三个方面给进行综述。最后针对深度学习在水利行业中应用存在的问题和未来趋势进行了分析与展望。 相似文献