共查询到20条相似文献，搜索用时 203 毫秒
1.
2.
养猪场其本身容易受到大规模感染,大多设置在人烟稀少的地区,传统的人员监管体制存在工作量大、效率低等问题,为实现对生猪的无接触式监管,以猪舍监控视频作为数据来源,提出基于改进TLD跟踪算法的生猪视频跟踪方法。引入SSD网络训练模型对样本进行训练,改进跟踪算法的目标检测部分,将识别结果直接带入跟踪算法,使得检测模块的窗口数量大大降低,并且可以提高检测精度和运算速度。本文提出的改进模型在测试集上,对视频中的生猪进行躺卧、静止不动和正在活动三种行为进行识别,平均准确率分别达94.26%、95.67%、91.36%。相比于传统TLD算法识别成功率和精度分别提高10.7%和6.41%。改进TLD跟踪算法在提高识别精度的同时保证识别效率,可以应用于对全时间段的生猪活跃信息监测,将检测结果作为生猪健康养殖的参考之一。 相似文献
3.
为了满足采摘机器人编队对分布作业目标跟踪的需求,提出了一种基于网络节点的分布式目标跟踪算法。该算法将无线传感网络与数据融合技术相结合,应用于采摘机器人编队的目标跟踪。试验结果表明:该算法在采摘机器人分布式作业中,在满足目标跟踪精度状态下,大幅度减少了数据融合的通信开销,能够准确完成对目标跟踪的要求,应用前景广阔。 相似文献
4.
杨权 《农业装备与车辆工程》2023,(11):159-162
在多传感器目标跟踪系统中,偏差补偿对于正确的数据融合至关重要,消除异步多传感器的偏差是多传感器精确数据融合的基础。针对量测存在时间偏差和系统偏差的多传感器系统,提出一种新的多传感器误差偏移估计方法。首先,推导并计算了时间偏移伪测量方程,以获得相对时间偏移估计;其次将传感器系统偏差与目标状态相结合以获得增强状态向量,并建立了增强状态模型;最后,设计了一种基于扩展卡尔曼滤波的目标状态与传感器系统偏差扩维联合估计算法。实验结果表明,在量测存在时间偏差和系统偏差的情况下,所提算法可以获得相对时间偏移的无偏估计,同时能够有效地解决带有系统误差的状态估计问题。 相似文献
5.
基于MS-IMMIKF的MEMS陀螺输出信号消噪处理 总被引：1，自引：0，他引：1
陀螺用于感知稳定平台相对于惯性空间的角速率,进而得到稳定平台在惯性空间的姿态,通过反馈稳定平台伺服控制机构相应的控制量来实现对稳定平台的稳定控制。通过分析陀螺随机误差对稳定平台精度影响,提出了一种新的陀螺随机漂移处理方法。首先针对机动跟踪领域的Singer模型中人为设定机动频率α的不合理性,对机动频率α进行在线估计,提出基于Modified Singer(MS)模型直接对陀螺输出进行建模的方法;在此基础上建立基于交互式多模型(IMM)的改进卡尔曼滤波算法(MS-IMMIKF)对陀螺输出随机误差进行处理,并对交互式多模型的改进卡尔曼滤波(IKF)进行理论分析和推导;通过数值仿真分析和稳定平台中某型号陀螺试验验证和仿真计算得出,静态滤波后均方根误差达到0.022 7°/s,证明了该方法对陀螺漂移处理的有效性与可行性;最后通过稳定平台动静态稳定试验表明,MS-IMMIKF滤波算法对提高稳定平台精度有效且实用。 相似文献
6.
为提高农机路径跟踪时的精确性，提出了一种基于滑模变结构的路径跟踪控制算法，并运用滑模变结构算法设计了自动驾驶控制器，通过简化农机车辆模型与线性化二自由度模型，求解出滑模变结构控制器的控制规律。通过在Simulink与CarSim中建立联合仿真模型验证控制器的可行性，结果表明：基于滑模变结构的农机路径跟踪控制算法的车辆作业转弯时横向偏差可控制在0.45m之内，实际行走路径与预设路径基本吻合，较加入预瞄模块的PID控制算法控制精度得到提高，满足自动驾驶农机路径跟踪精度及实时性的需求，可为农机路径跟踪控制的研究提供参考。 相似文献
7.
鲁志威谢源源 《农业装备与车辆工程》2023,(5):146-149
为了提高直线电机的推力性能,对电机结构尺寸优化与多目标优化算法进行关联研究,使用算法来优化电机次级侧的尺寸结构,从而提高电机的推力密度,降低推力波动。提出了一种求解多目标问题的Pareto鲸鱼优化算法,通过和另两种同类算法关于测试函数优化结果的对比实验表明Pareto WOA算法的先进性,然后采用Maxwell与MATLAB的联合方法辅助算法对直线同步磁阻电机的结构进行优化。结果证明,运用Pareto WOA算法对永磁同步直线电机进行结果优化后,电机的推力性能更加出色。 相似文献
8.
跟踪过程中发生的尺度变化、形变、遮挡是导致模型漂移的重要原因。为了克服模型漂移对鲁棒跟踪的影响，本文提出了一种利用多判别式模型和候选区域的跟踪算法。首先，该算法采用候选区域替代传统的滑动采样，适应跟踪过程中目标的位移和尺度变化。接下来，为了提高目标的表征能力，先用预训练网络提取整幅图片的深度特征，再通过感兴趣区域采样层(ROI pooling layer)快速提取每一个候选区域的深度特征，进一步提高跟踪算法的鲁棒性。最后，运用多模型选择机制进行回撤过去错误的模型更新，并通过调整搜索区域实现对目标的重检测，有效抑制了模型漂移对鲁棒跟踪的影响。实验中，本文算法与相关算法在OTB 2013数据库和UAV 20L数据库上进行了对比。结果表明，本文算法在精确度与成功率上均取得了最优性能，并能有效抑制模型漂移对鲁棒跟踪的影响。 相似文献
9.
为实现农业机械全田块高效自主作业,提出一种增益系数自适应的Stanley模型路径跟踪算法。以横向偏差和航向偏差为输入变量构建隶属度函数,设计模糊推理和解模糊化过程实时确定控制模型增益系数,提高Stanley模型对不同曲率路径的自适应能力。为验证所提算法有效性,以移动小车为平台开展联合收获机回字形全田块自主作业路径跟踪试验,结果表明所提算法显著改善Stanley模型路径跟踪精度,直线作业速度2.5m/s、转弯速度1m/s时,直线段和曲线段最大跟踪误差均小于3cm。大初始横向偏差路径跟踪试验表明,模糊Stanley模型较Stanley模型大幅度减小路径跟踪上线距离,满足农业机械全田块高效自动导航作业要求。 相似文献
10.
猪舍场景下的生猪目标跟踪和行为检测方法研究 总被引：1，自引：0，他引：1
针对猪舍内光照情况复杂、目标与背景颜色较为接近、相机视角与参数不佳等环境与硬件条件的不足,导致生猪跟踪过程中精度低、稳定性差的问题,充分结合实际场景,提出了一种优化特征提取的压缩感知跟踪算法。优化跟踪窗口为椭圆形,以接近生猪体态;并结合灰度和纹理特征,优化传统压缩感知算法特征提取过程;划分猪舍区域,依据生猪所处位置来判断其当前行为。随机选取猪舍内不同场景、不同光照强度、不同生猪品种的多段视频进行实验,实验结果表明：中心点均方根误差均值为25.44,分别是传统压缩感知算法、模板更新跟踪算法和Camshift跟踪算法的60.32%、33.33%、32.57%;中心点均方根误差方差为70.26,分别是传统压缩感知算法、模板更新跟踪算法和Camshift跟踪算法的7.13%、47.62%、17.16%;跟踪速度达到19.3帧/s。 相似文献
11.
多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法。针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法。使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7%,召回率为98.2%,mAP50为99.2%,单幅图像检测时间为3.5ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求。针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进：对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框。经测试,改进后Strongsort算法的ID跳变数为14,MOTA为97.698%,IDF1为85.435%,MOTP为75.858%,与原Strongsort相比,ID跳变数减少88%,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径。 相似文献
12.
随着我国畜牧业的快速发展,牛只养殖由分散性养殖逐渐向精准化养殖转变。针对分散养殖中农户无法对每头牛只健康状况给予足够关注的问题,通过分析牛只行为模式结合视觉方向特征,设计了综合管理方法来准确识别和跟踪牛只行为。首先,采用改进YOLO v8算法对牛只进行目标监测,其中,在Backbone和Neck端使用C2f-faster结构,增强模型特征提取能力;引入上采样算子CARAFE,拓宽感受视野进行数据特征融合;针对牛只幼仔检测加入BiFormer注意力机制,以识别牛只小面积特征;更换动态目标检测头DyHead,融合尺度、空间和任务感知;然后,使用Focal SIoU函数,解决正负样本分配不均衡和CIoU局限性的问题。最后,将YOLO v8检测到的行为类别信息引入BoTSORT算法中,实现在复杂场景下牛只多目标行为识别跟踪。实验结果表明,提出的FBCD-YOLO v8n（FasterNet、BiFormer、CARAFE、DyHead）模型在牛只行为数据集上,相比较YOLO v5n、YOLO v7tiny和原YOLO v8n模型的mAP@0.5分别提升3.4、3.1、2.4个百分点,尤其牛只回舔行为识别平均精度提高7.4个百分点。跟踪方面,BoTSORT算法的MOTA为96.1%,MOTP为78.6%,IDF1为98.0%,HOTA为78.9%;与ByteTrack、StrongSORT算法比,MOTA和IDF1显著提升,跟踪效果良好。研究表明,在牛舍养殖环境下,本研究构建的多目标牛只行为识别跟踪系统,可有效帮助农户监测牛只行为,为牛只的自动化精准养殖提供技术支持。 相似文献
13.
路径跟踪控制是提高自主导航系统控制精度的关键。针对在复杂农田作业环境下转弯时纯跟踪算法跟踪精度不高的问题,本文提出了一种基于改进纯追踪模型的四轮同步转向农机路径跟踪控制算法。建立了基于四轮同步转向农机的运动学模型和纯跟踪模型,在此基础上考虑航向误差得到改进纯跟踪模型,进行RTK定位坐标修正,根据量化误差的评价函数搜索前视区域最优目标点,得到最优前视距离。本文算法能实时确定四轮同步转向农机改进纯跟踪模型中的前视距离,使航向误差和横向误差最小化,实现目标点的自适应优化。仿真结果表明,本文方法转弯时平均绝对横向误差减至0.035m,平均绝对航向误差减至0.212°;水田实验结果表明,当四轮同步转向农机作业速度为3.6km/h时,四轮转向农机轨迹跟踪平均绝对横向误差减至0.109m,平均绝对航向误差减至2.799°,转弯跟踪精度显著提高。 相似文献
14.
车型识别是智能交通系统的重要组成部分。针对特定类车辆脸部特征相近,提取车头特征易导致模型辨别力差、识别精度低等问题。提出了一种基于车辆侧面特征的车型识别方法。采用卷积神经网络实现对不同类型车辆的检测,使用统计模型计算目标车辆的横向位置。建立双相机(触发相机和抓拍相机)协同跟踪模型,利用感知哈希算法,对目标车辆实现判别式跟踪。最后抓拍相机完成车辆正面抓拍,完成目标车辆的车牌识别。最终的检测实验结果取得了81.94%的平均正确均值(Mean Average Precision,mAP)。 相似文献
15.
猪只盘点是规模化养殖中的重要环节,为生猪精准饲喂和资产管理提供了依据。人工盘点不仅耗时低效,而且容易出错。当前已有基于深度学习的生猪智能盘点算法,但在遮挡重叠、光照等复杂场景下盘点精度较低。为提高复杂场景下生猪盘点的精度,提出了一种基于改进YOLO v5n的猪只盘点算法。该算法从提升猪只目标检测性能出发,构建了一个多场景的生猪数据集;其次,在主干网络中引入SE-Net通道注意力模块,引导模型更加关注遮挡条件下猪只目标信息的通道特征。同时,增加了检测层进行多尺度特征融合处理,使模型更容易学习收敛并预测不同尺度的猪只对象,提升模型遮挡场景的检测性能;最后,对边界框损失函数以及非极大值抑制处理进行了改进,使模型对遮挡的目标有更好的识别效果。实验结果表明,与原YOLO v5n算法相比,改进算法的平均绝对误差(MAE)、均方根误差(RMSE)以及漏检率分别降低0.509、0.708以及3.02个百分点,平均精度(AP)提高1.62个百分点,达到99.39%,在复杂遮挡重叠场景下具有较优的精确度和鲁棒性。算法的MAE为0.173,与猪只盘点算法CClusnet、CCNN和PCN相比,分别降低0.2... 相似文献
16.
针对蟹味菇生产过程中更好地预估产量,对生长状态做到实时检测的问题,提出了一种基于改进YOLOv8卷积神经网络的蟹味菇识别检测方法。该方法参照PASCAL VOC数据集格式,构建了蟹味菇目标检测数据集,采用添加CBAM注意力机制对原算法进行改进,并且与Faster R-CNN、SSD(single shot multibox detector)、原始YOLOv8等算法进行模型性能的试验对比。试验结果表明,改进的算法明显优于其他算法,其在测试集上的平均精度均值（mean average precision,mAP）和检测速度分别达到95%和91帧/s。此检测精度与检测时间满足蟹味菇的实时识别检测任务,为预估蟹味菇产量,提高生产管理水平提供了理论技术支持。 相似文献
17.
为了更好地实现设计领域三维CAD模型多粒度、精细化、智能化的设计重用需求,提出了一种基于模拟退火的三维模型典型结构挖掘与相似性评价方法。首先,通过提取以B-rep表示的三维CAD模型几何与拓扑信息,构建三维CAD模型的属性邻接图;然后以此为描述载体,利用具有局部重用价值的典型结构和三维CAD模型属性邻接图之间顶点和边的属性映射关系建立关联图及其关联图矩阵;最后,基于一种启发式算法——模拟退火算法完成关联图中最大团的检测以实现三维CAD模型中典型结构的挖掘,并进行相似性评价,同时以蚁群算法和遗传算法为比较对象,在通用模型库和农业机械装备模型库完成了算法的验证。实验结果表明,该方法能较好地实现三维CAD模型典型结构的挖掘和相似性评价,可以有效地支持设计领域的三维模型特征级和局部结构级设计信息的重用。 相似文献
18.
《农业机械学报》2019,(Z1)
针对复杂背景下行人跟踪任务的深度学习网络模型和在线行人跟踪算法问题,在多层竞争融合模型目标检测预训练区域建议网络基础上,结合长期和短期并存的在线学习更新策略,实现行人跟踪任务。预训练网络的特征提取过程以VGG16为主干网络,将提取的特征投入多层竞争融合区域建议网络中,进而生成定位更准确的候选目标。在线跟踪算法使用预训练过的区域建议网络初始化参数值,选取第1帧500个正样本和5 000个负样本对区域建议网络进行微调,建立长期和短期更新的帧索引集,通过正负样本对区域建议网络进行更新,最终实现在线行人跟踪算法。在公开数据集Caltech、ETH、PETS 2009和Venice上对本文模型进行实验验证,结果表明,竞争融合区域建议网络在行人跟踪任务中性能优越,在几个环境背景较复杂的行人数据集中改进的方法均取得了很好的效果。 相似文献
19.
基于干扰观测器的直播机路径跟踪快速终端滑模控制 总被引：1，自引：0，他引：1
针对农田中存在不确定性干扰时,会导致建立的无人水稻直播机运动学模型精确度不高,从而使路径跟踪收敛时间长,跟踪效果较差等问题,提出由直播机运动学模型建立相应的非线性干扰观测器从而实现对不确定性复合干扰的精确观测。将观测到的干扰值补偿到运动学模型中以提高模型的精度,降低滑模控制的抖振。为了控制直播机沿指定路径作业并提高路径跟踪收敛时间,设计了一种快速终端滑模控制算法。基于李雅普诺夫判据检验了算法闭环系统的稳定性。使用Matlab/Simulink建立了农机运动学仿真模型,仿真结果表明,非线性干扰观测器能精确观测出系统的不确定性干扰。与不带干扰观测器的滑模控制算法相比,本文控制算法可有效减少收敛时间,抑制干扰带来的抖振。无人直播机水田作业实验表明,采用本文所提出的算法以1.2m/s的速度高效作业时,横向平均绝对偏差为0.0247m,均方差为0.0311m。并且转弯收敛速度快,无超调,路径跟踪精度满足实际作业要求。 相似文献
20.
《农业机械学报》2019,(Z1)
为了在复杂环境下对视频目标生猪进行精确、快速检测,提出一种基于改进卷积神经网络(CNN)的多目标生猪检测算法。利用生猪图像的二值化规范梯度(BING)训练两级线性SVM,以生成高质量的候选区域,利用改进的CNN模型对候选区域进行分类识别,最后利用非极大值抑制算法剔除冗余窗口,减少训练样本和训练参数的数量。对CNN网络结构和参数进行优化实验,分析网络训练效率和目标检测效果。实验结果表明,与传统CNN模型相比,本文算法训练时间更短,且具有更快的收敛速度和更强的鲁棒性,对生猪图像前景和背景的分类正确率为96%,高于传统CNN模型的72. 29%。对误检率、漏检率和平均检测时间的分析表明,本文算法的检测性能优于Faster RCNN和Yolo算法;本文算法目标跟踪成功率平均值为89. 17%,中心点平均误差为6. 94像素,表明该检测算法在生猪跟踪上的有效性和稳定性。 相似文献