基于DeepSORT算法的肉牛多目标跟踪方法

肉牛的运动行为反映其健康状况,在实际养殖环境下如何识别肉牛并对其进行跟踪,对感知肉牛的运动行为至关重要。基于YOLO v3改进算法（LSRCEM-YOLO）,利用视频监控实现了实际养殖环境下的肉牛实时跟踪。该方法采用MobileNet v2作为目标检测骨干网络,根据肉牛分布不均、目标尺度变化较大的特点,提出通过添加长短距离语义增强模块（LSRCEM）进行多尺度融合,结合Mudeep重识别模型实现了肉牛多目标跟踪。结果表明：在目标检测方面,LSRCEM-YOLO的mAP值达到了92.3%,模型参数量仅为YOLO v3的10%,相比YOLO v3-tiny也降低了31.34%;在肉牛重识别方面,采用基于调整感受野的Mudeep模型,获得了更多的多尺度特征,其Rank-1指标达到了96.5%;多目标跟踪的多目标跟踪准确率相对于DeepSORT算法从32.3%提高到了45.2%,ID switch次数降低了69.2%。本文方法可为实际环境下的肉牛行为实时跟踪、行为感知提供技术参考。     

刚柔耦合空间闭链机器人轨迹跟踪与振动抑制研究

针对含多变量高维度空间刚柔耦合闭链机器人的轨迹跟踪和振动抑制问题,提出了一种基于前馈补偿的PD控制方法。首先,采用有限元法对柔性空间构件进行离散,基于浮动坐标系描述柔性构件位移场矢量,并根据Lagrange方程建立考虑刚性末端执行器微小位移的刚柔耦合空间并联机器人动力学模型;然后,利用前馈控制对预先求出的含耦合效应的控制力矩进行补偿,提高刚柔耦合控制系统的响应速度及跟踪性能,同时通过PD控制律保证空间闭链机器人的轨迹精度,并对不同末端载荷作用下的轨迹跟踪精度进行分析;最后,与位置PID算法进行了比较。结果表明:与位置PID算法相比,基于控制算法作用下的刚性末端执行器轨迹精度得到提高,其中,X方向误差降低了89.7%,Y方向误差降低了4.3%,Z方向误差降低了12.9%,柔性空间构件产生的振动得到了有效抑制。     

考虑批次的可追溯食品冷链中污染源定位与追踪

针对食品冷链污染频现、溯源困难的问题,基于贝叶斯推断模型,采用一种考虑批次的污染源定位方法,对食品冷链中污染源定位与追踪问题进行研究,并构建食品冷链回溯与追踪系统,利用欧盟食品和饲料快速预警系统的公开数据,展示可追溯食品冷链中污染源定位和追踪分析过程。结果表明:1)食品冷链的污染传播具有可隔离性、观察样本稀疏性、路径多样性和时间不确定性等特征,传统风险源识别与传播方法的适用性不强。2)考虑批次的可追溯食品冷链污染源定位模型,计算上更为高效,不仅可降低食品冷链污染溯源的复杂性,还能提高污染源定位的精准性。3)食品冷链中出现污染时,可追溯食品冷链回溯与追踪系统根据污染源定位算法,能直观地将污染源节点及其引发的风险传播路径标识出来。据此,建议加快推进追溯系统建设,提升食品冷链中污染源定位与追踪能力,以实现从源头上消除污染,快速阻断风险传播,切实保障冷链食品安全。     

常数相对风险厌恶多单位拍卖的比较静态与定价结构

传统的H∞鲁棒控制器通常都是基于线性矩阵不等式求解的,因此阶次较高,不利于实现,而基于Nevanlinna-Pick插值的H∞鲁棒控制器设计方法能够有效的解决这一问题。本文提出一种改进的同伦算法用于求解控制器设计过程中出现的非线性方程,避免了经典同伦法中逆矩阵的求解。针对某一跟踪系统设计基于Nevanlinna-Pick插值的H∞鲁棒控制器,通过阶跃响应和正弦信号的跟踪响应可以看出,与高阶超前滞后校正环节相比,前者构成闭环系统的跟踪精度要比后者的控制精度高,且具有较强的鲁棒稳定性。     

基于YOLO v5与短时跟踪的鸡只呼吸道疾病早期检测

针对鸡只呼吸困难这一早期呼吸道疾病显著症状难以检测的问题,提出一种基于YOLO v5与短时跟踪的鸡只呼吸道疾病早期检测方法。对YOLO v5算法进行锚框自适应设置与CIoU Loss (Complete IoU Loss)应用等特定优化后,用于群鸡复杂环境中准确识别鸡头目标并检测是否为张口状态。根据鸡头坐标框交并比实现鸡头目标短时跟踪并获取不同鸡头的短时动作序列,再对动作序列进行分析,判断张口-闭口组合出现的频率,动态检测是否存在鸡只呼吸困难情况。实验结果表明,改进YOLO v5算法检测鸡头目标的mAP为80.1%,张口检测准确率为67.3%,闭口检测准确率为92.8%,基于时间序列的呼吸困难行为检测方法的识别准确率为91.8%,召回率为75%,精准率为67.9%,可为群鸡养殖环境中的鸡只早期呼吸道疾病检测提供参考。     

果园喷雾机器人靶标探测与追踪系统

针对风送喷雾装备不间断无差别喷施造成的过量用药和雾滴脱靶严重的问题,该研究设计一种果园喷雾机器人靶标探测与追踪系统,随果树对象位置变化实时调整喷雾角度实现精准对靶。该系统采用激光雷达扫描获取作业范围内果树的点云数据,确定靶标区域,然后通过点云分割、滤波等处理获得目标靶点,并根据目标靶点位置确定对应喷雾仰角;构建喷雾机构目标仰角与编码器脉冲数的数学模型,以及目标仰角与电动推杆行程的数学模型,设计喷雾机构仰角的测控方法。实际果树冠层靶点探测试验表明,随机选取的3棵果树目标靶点主要集中在距地2.0～3.5m范围内,系统可以依据冠层形状计算靶点并调节喷雾仰角,最小喷雾仰角为47.8°,最大喷雾仰角为51.4°,连续目标靶点之间喷雾仰角最大调节时间为0.06 s,可满足对靶的时效需求。该系统能够适应不同形态果树中下部对靶施药需求,为后续开展果园精准植保研究提供理论基础与技术参考。     

自动跟踪对重庆地区太阳能发电效率影响的研究

采用两组太阳能电池板,一组水平固定放置,另一组自动调整太阳能电池板的角度,使阳光照射到电池板上的照度达到最大,并记录和分析了8:00～17:00有太阳能跟踪和无太阳能跟踪两种状态下电池板的光照强度、充电电流、充电功率。结果表明,与固定式太阳能电池板相比,自动跟踪可有效地提高太阳能电池板的发电效率,并且在低照度下效果更为明显,发电效率最高。     

Fuzzy adaptive tracking control for MIMO nonlinear time-varying delay systems

A fuzzy adaptive tracking control scheme is proposed for MIMO nonlinear time-varying delay systems. A fuzzy T-S model-based adaptive time-varying delay fuzzy logic systems is developed to approximate the unknown nonlinear time-varying delay functions.Thus, the modeling to nonlinear systems is implemented. The update laws for parameters of the fuzzy logic systems are derived by the tracking error. A Hcompensator is designed to eliminate fuzzy approximation errors and external disturbances. Based on Lyapunov stability theorem, the proposed control scheme can guarantee the stability of the closed loop systems and obtain anticipant Htracking performance as well. Simulation results of the manipulator demonstrate the effectiveness of the control scheme.     

多特征Camshift 和Kalman滤波结合的猪只智能跟踪

为了实现猪只的智能跟踪,提出了一种多特征Camshift和Kalman滤波结合的猪只跟踪算法.首先采用最大类间方差法从背景中分割出猪只,从而统计出猪只的颜色特征和纹理特征;然后获取当前帧图像的联合特征概率分布图,利用Camshift算法求得猪只的位置;最后使用Kalman滤波预测猪只下一帧位置,实现多猪只跟踪.研究结果表明,猪只跟踪算法具有较强的鲁棒性,且更好满足实时性的要求.研究结果可为猪只健康养殖提供技术上的支持.     

基于LBP纹理和改进Camshift算子的车辆检测与跟踪

提出了利用背景图像LBP（局部二值模式）纹理和当前帧图像LBP纹理的相似度分析提取前景的方法,克服了车辆检测中常用的帧差法、背景差分法对光照比较敏感的缺点.同时基于H,S,V分量及改进的LBP纹理的联合直方图与金字塔L-K光流法中心跟踪相结合的Camshift跟踪算法,有效地解决了背景目标颜色相近可能会导致跟踪的目标区域加入背景后变大、处理较大帧间位移的视频跟踪上搜索窗口的位置准确度较低的问题.实验证明,该方法具有良好的检测和追踪效果.