采用改进SSD网络的海参目标检测算法

随着海参养殖业快速发展,利用水下机器人代替人工作业的海参智能捕捞已成为发展趋势。浅海环境复杂,海参体色与环境区分性差、海参呈现半遮蔽状态等原因,导致目标识别准确率低下。此外由于景深运动,远端海参作为小目标常常未被识别成功。为解决上述问题,该研究提出一种基于改进SSD网络的海参目标检测算法。首先通过RFB（Receptive Field Block）模块扩大浅层特征感受野,利用膨胀卷积对特征图进行下采样,增加海参细节、位置等信息,并结合注意力机制,对不同深度特征进行强化,将计算得出的权重与原特征信息相乘以此获得特征图,使结果包含最具代表性的特征,也抑制无关特征。最后实现特征图融合,进一步提升水下海参的识别精度。以实际拍摄的视频进行测试验证,在网络结构层面上,对传统算法进行改进。试验结果表明,基于改进的SSD网络的海参目标检测算法的平均精度均值为95.63%,检测帧速为10.70帧/s,相较于传统的SSD算法,在平均精度均值提高3.85个百分点的同时检测帧速仅减少2.8帧/s。与Faster R-CNN算法和YOLOv4算法进行对比试验,该研究算法在平均精度均值指标上,分别比YOLOv4、Faster R-CNN算法提高4.19个百分点、1.74个百分点。在检测速度方面,该研究算法较YOLOv4、Faster R-CNN算法分别低4.6帧/s、高3.95帧/s,试验结果表明,综合考虑准确率与运行速度,改进后的SSD算法较适合进行海参智能捕捞任务。研究结果为海参智能捕捞提供参考。     

基于改进YOLOv4模型的全景图像苹果识别

苹果果园由于密植栽培模式,果树之间相互遮挡,导致苹果果实识别效果差,并且普通的图像采集方式存在图像中果实重复采集的问题,使得果实计数不准确。针对此类问题,该研究采用全景拍摄的方式采集苹果果树图像,并提出了一种基于改进YOLOv4和基于阈值的边界框匹配合并算法的全景图像苹果识别方法。首先在YOLOv4主干特征提取网络的Resblock模块中加入scSE注意力机制,将PANet模块中的部分卷积替换为深度可分离卷积,且增加深度可分离卷积的输出通道数,以增强特征提取能力,降低模型参数量与计算量。将全景图像分割为子图像,采用改进的YOLOv4模型进行识别,通过对比Faster R-CNN、CenterNet、YOLOv4系列算法和YOLOv5系列算法等不同网络模型对全景图像的苹果识别效果,改进后的YOLOv4网络模型精确率达到96.19%,召回率达到了95.47%,平均精度AP值达到97.27%,比原YOLOv4模型分别提高了1.07、2.59、2.02个百分点。采用基于阈值的边界框匹配合并算法,将识别后子图像的边界框进行匹配与合并,实现全景图像的识别,合并后的结果其精确率达到96.17%,召回率达到95.63%,F1分数达到0.96,平均精度AP值达到95.06%,高于直接对全景图像苹果进行识别的各评价指标。该方法对自然条件下全景图像的苹果识别具有较好的识别效果。     

基于轻量级SSD模型的夜间金蝉若虫检测

为实现夜间树上金蝉若虫的快速准确检测,该研究以自然环境图像数据集为研究对象,结合近距离实际应用场景,考虑到嵌入式系统的模型小型化和计算过程轻量化,在保持精度指标基本不变的前提下,基于适度削减模型深度、宽度的思路对已有目标检测网络MobileNet-SSD提出改进。具体措施包括：删除骨干网络末端的小尺寸特征图卷积层,逐级裁剪模型整体宽度、适当增加中高层卷积深度,在目标检测的分类层和预测框的回归层中使用深度可分离卷积代替传统3×3卷积等措施,先后获取3种改进的精简模型以进行比较。夜间图像测试结果表明,在基本保持网络性能的前提下,改进后的模型大小及计算量均呈现大幅减小,其中最优模型大小从原MobileNet-SSD的15.22 MB减少到1.51 MB,模型的浮点运算量也由原先的1.13×109减少到1.26×108,其平均准确率达90.46%,平均交并比达83.52%,F1分数达92.35%,GPU上的检测速度达179.3帧/s,CPU上的检测速度达到6.49帧/s,与改进前的模型相比具有更好的综合性能,白天图像的试验结果也显示出较好的泛化性能。该文提出的改进模型在大幅减少模型大小及其计算量的同时使模型性能保持在一个较高的水平,更适合部署在移动终端等资源受限设备上,可为金蝉的人工养殖提供有益参考。     

多尺度分解双寻优策略SPCNN的果园苹果异源图像融合模型

针对单一的自然场景图像信息不能满足准确识别果实和精准定位目标的要求,提出一种多尺度分解双寻优策略简化脉冲耦合神经网络（Simplified Pulse Coupled Neural Network, SPCNN）的飞行时间（Time of Flight,ToF）与可见光果园苹果图像融合模型。对SPCNN模型引入带参数优化的双寻优策略,对非下采样轮廓波变换（Nonsubsampled Contourlet Transform, NSCT）融合规则进行改进。模型包括配准模块、编码区、多尺度分解模块、单目标SPCNN融合模型、多目标SPCNN融合模型、解码区。模型改进了SPCNN模型的参数优化方式以及迭代次数,模型自适应点火次数较低,在3～7次左右,具有点火次数低、自适应分割、效率高的优点。中光15:00时段点火识别成功率达到了100.00%,点火分割时间达到最低91.91s。与其他融合模型比较,模型在强光12:00、中光15:00、弱光18:20、19:00时段融合图像识别成功率达到100.00%;融合时间低于SPCNN模型,达到最低92.68s。模型识别精度最优达到了100.00%、融合耗时最低达到了92.68s、模型大小较SPCNN低一个数量级,可补充和完善图像层次融合理论和方法。     

Coupled magnetic nanoparticle-mediated isolation and single-cell image recognition to detect Bacillus' cell size in soil

Microbial morphology fundamentally constrains how species interact with their environment, and hence ultimately affects their niche. However, the methodology of functional microbes in the soil ecosystem is still poorly studied since it is difficult to capture and identify the active monospecific community from the complicated environment and enormous number of microbial species in soils. To comprehensively reveal the morphology of active microbes in soil ecosystem, magnetic nanoparticle-mediated isolation (MMI) and single-cell image recognition (SCIR) were employed to study soil active Bacillus community, which functionally boosted the soil fertility in organic fertilisation compared to mineral fertilisation and unfertilised control treatments in our previous study. The results showed that MMI and SCIR can efficiently isolate active Bacillus from soil particles and other microorganisms. High throughput sequencing showed that the captured Bacillus showed similar community structure in different long-term fertilisation soils, while SCIR revealed that the active Bacillus was greater in number and larger in size in organic fertilisation treatment compared to mineral fertilisation and unfertilised control treatments. Our study demonstrates that the combination of MMI and SCIR is a potentially powerful tool to capture and identify the morphology of active and functional microbes in the soil ecosystem.     

基于超声波技术的棉花打顶装置设计

棉花打顶机械是棉花高效生产急需配套解决的主要技术装备之一。应用三维参数化设计软件Solidworks设计一种基于超声波技术的棉花打顶装置,介绍该装置的总体结构和工作原理,阐述该装置的总体及关键部件的设计方案。使用该装置可实现棉花精确打顶。     

双柴油发电机组自动准同期方法

通过分析、比较准同期并列的3种基本条件以及相应的微机监测原理,提出微机自动准同期装置设计方案.用MATLAB软件分别对存在压差、频差和相角差的情形进行并列仿真;对仿真结果进行对比分析,发现在双柴油发电机组并列时相角差对机组的影响最大.最后根据不同条件下合闸对机组影响的大小,提出双柴油发电机组准同期装置整定和配合的原则.     

基于稀疏表示的森林火灾火焰识别研究

为了实现森林火灾的智能识别,提出一种基于稀疏表示的林火火焰自动识别方法.以林火火焰和5类干扰物体为研究对象,每类对象从视频图像中随机选取50帧作为训练样本,150帧作为测试样本.对每幅图像提取疑似火焰区域,求取面积变化率、颜色、纹理和形状特征参数.所有训练样本的特征向量构建训练样本特征字典,对每个测试样本利用l1最小化范数计算其在训练字典上的投影系数,根据最小重构残差进行分类识别.结果表明,稀疏表示方法的识别率可达到93.56％,为林火火焰识别提供了一个有效的解决方案.     

基于制动意图模糊识别的电动汽车再生制动研究

为能够最大限度地回收制动能量,增加汽车的续驶里程,达到节能减排的目的,应用模糊逻辑方法对双能量源纯电动汽车制动意图进行识别.应用Matlab/simulink建立制动意图模糊辨识器,对双能量源纯电动汽车再生割动能量回收进行初步建模,将所建模型嵌入仿真软件ADVISOR中进行仿真.仿真结果表明,通过制动意图识别,在一定程度上提高了双能量源纯电动汽车制动能量的回收,证明制动意图识别对双能量源电动汽车的制动能量回收起到积极的作用.     

基于超声波技术的水平管气液两相流流型识别方法

根据超声波在不同介质界面处的反射回波强弱不同的特性,提出了应用超声波对水平管气液两相流流型进行非介入式在线识别的方法。理论计算得到钢管内壁接触的介质分别为水和空气时的声压反射率,证明了超声波流型识别法的可行性。数值仿真研究管内的流体分别为水、空气时不同界面的反射回波特点,得到了超声波流型识别法的实现方式。依据数值仿真结果,开展超声波气液两相流流型在线识别实验,分析气液两种流体在管道横截面上的分布,从而识别水平管气液两相流流型。研究结果表明：在不影响生产的前提下,超声波流型识别方法能够准确获取水平管气液两相流流动过程中的实时流型,操作方法简便,且结果可靠。（图10,表1,参9）