排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
基于轻量型卷积神经网络的马铃薯种薯芽眼检测算法 总被引：1，自引：1，他引：0
马铃薯种薯芽眼属于小目标物体,识别难度大、要求高。为了在试验台(芽眼识别装置)上快速、准确地完成识别任务,该研究提出一种基于轻量型卷积神经网络的芽眼检测模型。首先,为了降低模型的计算量和聚焦小目标物体,替换YOLOv4的主干网络CSPDarkNet-53为GhostNetV2轻量型特征提取网络;其次,在YOLOv4的颈部网络中,使用深度可分离卷积(depthwise separable convolution,DW)模块代替普通卷积块进一步降低模型计算量;最后,更改边界框损失函数为具有角度代价的边界框损失函数(SIoU),避免因预测框的位置不确定,而影响模型收敛速度和整体检测性能。结果表明,改进后芽眼检测模型参数量为12.04 M,使用笔记本电脑CPU检测单张图片的时间为0.148 s,从试验台收集的测试数据显示平均精度为89.13%。相对于其他主干特征提取网络CSPDarkNet-53、MobileNetV1、MobileNetV2、MobileNetV3、GhostNetV1,其检测精度分别高出1.85、0.75、2.67、4.17、1.89个百分点;与同类目标检测模型SSD、Fa... 相似文献
2.
针对目前马铃薯种薯切块机存在切种质量差和自动化程度低等问题,基于切种农艺与农机相融合的设计思想,设计了一种马铃薯种薯自动切块装置。通过整列定位输送机构完成种薯排列输送定位,经夹持取料机构和切刀机构组合作用下完成种薯切块过程,整机由PLC控制切块动作工序,实现了切种流程的自动化。结合典型种薯几何尺寸参数,完成马铃薯种薯切块装置的关键结构设计,对种薯切块作业过程进行理论分析,明晰影响种薯切块效果的主要因素和各因素的取值范围。以切种合格率、切种盲眼率为评价指标,以圆台辊组中心距、链条输送速度、V形刀具夹角为试验因素,进行三因素三水平响应面试验,通过Design-Expert 12.0.3软件对试验结果进行方差分析和交互作用分析,利用软件优化模块确定试验最优参数组合。在最优参数组合条件下进行种薯切块试验验证,验证结果表明：当圆台辊组中心距为101.60 mm、链条输送速度为0.019 m/s、V形刀具夹角为49.50°时,切种合格率为97.56%,切种盲眼率为1.27%,与优化值相对误差小于5%,表明优化后最优参数组合可靠性高,可以满足种薯切块要求。 相似文献
1