基于D2-YOLO去模糊识别网络的果园障碍物检测

针对果园目标检测时相机抖动以及物体相对运动导致检测图像模糊的问题,本文提出一种将DeblurGAN-v2去模糊网络和YOLOv5s目标检测网络相融合的D2-YOLO一阶段去模糊识别深度网络,用于检测识别果园模糊场景图像中的障碍物。为了减少融合网络的参数量并提升检测速度,首先将YOLOv5s骨干网络中的标准卷积替换成深度可分离卷积,并且在输出预测端使用CIoU＿Loss进行边界框回归预测。融合网络使用改进的CSPDarknet作为骨干网络进行特征提取,将模糊图像恢复原始自然信息后,结合多尺度特征进行模型预测。为了验证本文方法的有效性,选取果园中7种常见的障碍物作为目标检测对象,在Pytorch深度学习框架上进行模型训练和测试。试验结果表明,本文提出的D2-YOLO去模糊识别网络准确率和召回率分别为91.33%和89.12%,与分步式DeblurGAN-v2+YOLOv5s相比提升1.36、2.7个百分点,与YOLOv5s相比分别提升9.54、9.99个百分点,能够满足果园机器人障碍物去模糊识别的准确性和实时性要求。     

蚂蚁的采集和加工

<正>1.采集。①引诱法。采集没有做巢或离巢走散的蚂蚁。可用一块塑料布或塑料薄膜或牛皮纸铺在地上,上面撒上一些糖、瓜皮或饼干屑等甜、香食物。不一会儿,蚂蚁即爬上寻食,此时即可用毛刷将蚂蚁扫入塑料编织袋内。     

论提高林业调查规划设计质量的方法

目前,随着我国社会经济的不断发展,林业在其中起到了非常重要的促进作用,同时林业也处于生态文明的基础地位和前沿阵地,以关键的角色发挥着先导作用。在林业实际的生产过程中,林业调查规划设计属于其中的重点内容,其调查规划设计质量在一定程度上将直接影响到林业未来的发展状况。因此,要想保证林业在未来可以实现更加长远稳定的发展,就必须对目前林业调查规划设计中存在的问题进行全面分析,从而才能不断提升工作质量。本文主要针对提升林业调查规划设计质量的方法进行深入的分析并提出相关意见和建议,希望能为相关人员提供合理的参考依据。     

基于改进DeepLab V3+的果园场景多类别分割方法

果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数,并在空洞空间金字塔池化（Atrous spatial pyramid pooling,ASPP）模块中运用ReLU6激活函数减少部署在移动设备的精度损失,此外结合混合扩张卷积（Hybrid dilated convolution,HDC）,以混合扩张卷积替代原有网络中的空洞卷积,将ASPP中的扩张率设为互质以减少空洞卷积的网格效应。使用视觉传感器采集果园场景RGB图像,选取果树、人、天空等8类常见的目标制作了数据集,并在该数据集上基于Pytorch对改进前后的DeepLab V3+进行训练、验证和测试。结果表明,改进后DeepLab V3+模型的平均像素精度、平均交并比分别达到62.81%和56.64%,比改进前分别提升5.52、8.75个百分点。模型参数量较改进前压缩88.67%,单幅图像分割时间为0.08s,与原模型相比减少0.09s。尤其是对树的分割精度达到95.61%,比改进前提高1.31个百分点。该方法可为喷雾机器人精准施药和安全作业提供有效决策,具有实用性。     

新形势下保障动物福利的现实意义和促进措施

在当前全球传染病形势依旧严峻复杂,经济高质量发展不确定性增多,尤其贸易保护主义抬头的新形势下,动物福利问题越来越受关注,其对于有效统筹疫情防控与经济发展有着特殊重要性。本文从阐述动物福利的概念入手,综述了欧美等发达国家动物福利立法的历史演变与实践,结合我国动物福利立法现状,思考保障动物福利的现实意义,最终提出促进动物福利发展的4项措施,包括完善动物福利立法,加快制定动物福利标准,探索创立检疫认证体系和发挥海关职能优势,以期为完善我国动物福利制度提供决策参考。