排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为解决传统奶牛体型评定指标测量方法受主观影响大、自动化程度以及体型关键点定位存在误差等问题,提出一种基于两阶段关键点定位算法的奶牛体型评定指标自动测量方法。对采集的奶牛背部深度图像序列,首先基于滤波方法进行边缘平滑与缺失区域修补;之后基于YOLO v5体型关键区域检测算法确定体型关键区域并重建相关区域三维点云;进而计算区域点云曲率与z轴最值定位体型关键点;最后依据关键点间相对位置自动测得体型评定指标。结果表明,该方法可完成俯视视角下奶牛体长、肩宽、胸宽、腹宽和腰宽指标的精准测量。对15头奶牛5个体型评定指标,算法测量值与实测值平均绝对误差为1.55 cm,均方根误差为1.78 cm,决定系数R2最大为0.9394。该方法可在实际养殖环境下实现奶牛体型评定指标的精准测量,对生产实际具有一定现实意义。 相似文献
2.
复杂场景下的车牌定位算法由于环境的变化导致车牌识别率低、计算效率不高。在对Faster R-CNN算法分析的基础上,结合MEAN-SHIFT聚类算法的特点,提出了一种基于MEAN-SHIFT特征增强的车牌定位方法。该方法采用并行计算的方式,通过增强目标区域的特征,有效提升了复杂场景下车牌定位的效率和准确度。实验表明,该方法能够在多种复杂场景下快速定位车牌照区域,准确率高,具有较好的鲁棒性。 相似文献
1