基于改进YOLO v7-tiny的甜椒畸形果识别算法

甜椒在生长发育过程中容易产生畸形果,机器代替人工对甜椒畸形果识别和摘除一方面可提高甜椒品质和产量,另一方面可解决当前人工成本过高、效率低下等问题。为实现机器人对甜椒果实的识别,提出了一种基于改进YOLO v7-tiny目标检测模型,用于区分正常生长和畸形生长的甜椒果实。将无参数注意力机制（Parameter free attention module, SimAM）融合到骨干特征提取网络中,增强模型的特征提取和特征整合能力;用Focal-EIOU（Focal and efficient intersection over union）损失替换原损失函数CIOU（Complete intersection over union）,加快模型收敛并降低损失值;使用SiLU激活函数代替原网络中的Leaky ReLU,增强模型的非线性特征提取能力。试验结果表明,改进后的模型整体识别精确度、召回率、平均精度均值（Mean average precision, mAP）mAP0.5、mAP0.5-0.95分别为99.1%、97.8%、98.9%、94.5%,与改进前相比,分别提升5.4、4.7、2.4、10.7个百分点,模型内存占用量为 10.6MB,单幅图像检测时间为4.2ms。与YOLO v7、Scaled-YOLO v4、YOLOR-CSP等目标检测模型相比,模型在F1值上与YOLO v7相同,相比Scaled-YOLO v4、YOLOR-CSP分别提升0.7、0.2个百分点,在mAP0.5-0.95上分别提升0.6、1.2、0.2个百分点,而内存占用量仅为上述模型的14.2%、10.0%、10.0%。本文所提出的模型实现了小体量而高精度,便于在移动端进行部署,为后续机械化采摘和品质分级提供技术支持。     

畜禽舍末端废气净化可调孔隙率填料结构设计与试验

集约型畜禽舍末端废气净化广泛采用酸洗喷淋的化学方法去除氨气和固体颗粒物。填料作为酸洗液与废气的反应场所，是影响废气净化效果的关键因素。针对畜禽养殖舍通风管理对废气净化系统净化效率及其产生的压降需求差异，该研究基于点阵结构优化方法，通过优化单胞构型研制了孔隙率可调的填料结构，并结合数值仿真和试验，分析了填料结构的孔隙率、压降和比表面积的变化规律及其对氨气和固体颗粒物（PM_2.5和PM₁₀）净化效果的影响。研究结果表明：当填料结构孔隙率从98.7%降低至91.1%时，压降从2.7 Pa增至35.2 Pa，氨气净化效率从77.4%升高至92.6%，PM_2.5和PM₁₀的净化效率分别从69.2%和87.2%升高至90.1%和97.7%。相较于现有净化系统广泛应用的填料（孔隙率90%，压降30 Pa，氨气净化效率85%，悬浮颗粒物净化效率40%～45%），本研究设计的填料结构孔隙率可根据养殖舍通风系统的压降负荷要求在91.1%～98.7%区间内进行调节，且能够满足除氨效率83%～90%、颗粒物净化效率不低于50%的畜禽舍废气净化效率需求，为实现填料孔隙率自动调控提供了理论基础和设计参考。