基于MSRCR-YOLOv4-tiny的田间玉米杂草检测模型

为实现田间环境下对玉米苗和杂草的高精度实时检测,本文提出一种融合带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法的改进YOLOv4-tiny模型。首先,针对田间环境的图像特点采用MSRCR算法进行图像特征增强预处理,提高图像的对比度和细节质量;然后使用Mosaic在线数据增强方式,丰富目标检测背景,提高训练效率和小目标的检测精度;最后对YOLOv4-tiny模型使用K-means++聚类算法进行先验框聚类分析和通道剪枝处理。改进和简化后的模型总参数量降低了45.3%,模型占用内存减少了45.8%,平均精度均值(Mean average precision, mAP)提高了2.5个百分点,在Jetson Nano嵌入式平台上平均检测帧耗时减少了22.4%。本文提出的Prune-YOLOv4-tiny模型与Faster RCNN、YOLOv3-tiny、YOLOv4 3种常用的目标检测模型进行比较,结果表明：Prune-YOLOv4-tiny的mAP为96.6%,分别比Faster RCNN和YOLOv3...     

基于分区域特征点聚类的秧苗行中心线提取

为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗行数和各秧苗行的起始点;基于秧苗成行栽植特点引入“趋势线”,利用点到该直线的距离与距离阈值作比较,筛选出远离各行趋势线的点,并将其去除;对筛选后的每一行特征点用最小二乘法进行直线拟合,获取秧苗行中心线。实验结果表明,该算法具有较强的抗噪性能,提取秧苗行中心线的准确率达95.6%,与标准Hough变换和随机Hough变换算法相比,处理一幅分辨率为320像素×237像素的彩色图像平均耗时短,能够实现水田秧苗行中心线的准确提取,可为插秧机自主行走提供可靠的导航信息。     

基于特征点邻域Hough变换的水稻秧苗行检测

水稻秧苗行检测对于精准农业和自动导航至关重要,为此提出一种基于特征点邻域Hough变换的水稻秧苗行检测方法,该方法可以有效解决杂草密度分布、光照强度和秧苗行曲率变化等因素对秧苗行检测的影响。该方法主要包括3个步骤：水稻秧苗行图像数据库的建立、水稻秧苗特征点提取和秧苗行中心线识别。首先,在杂草萌发期建立水稻秧苗在不同光照条件（晴、阴天）、不同杂草密度分布和不同秧苗生长状况的水稻秧苗行图像数据库;然后,采用基于Faster RCNN网络的秧苗检测模型获得水稻秧苗的特征点,即预测结果的中心点;最后,采用提出的基于特征点邻域的Hough变换算法识别秧苗行中心线。实验表明,本文方法对测试集秧苗行平均识别准确率达到92%,对不同杂草密度分布的秧苗行平均识别精度小于0.5°,对孤立的杂草噪声和光照变化不敏感,对曲率较大的秧苗行也能准确识别,具有较好的鲁棒性和识别精度。     

基于改进YOLO的自然环境下桃子成熟度快速检测模型

【目的】解决自然环境下不同成熟度桃子快速准确检测的问题,课题组提出一种基于改进YOLOv5s的目标检测算法YOLO-Faster。【方法】使用YOLOv5s网络模型作为基础网络,将主干特征提取网络替换为FasterNet,使模型轻量化,并在主干和颈部之间增加串联的CBAM卷积注意力模块和常规卷积块,增强对图像重要特征的捕捉与表达,同时引入SIoU损失函数缓解预测框与真实框之间方向的不匹配。【结果】改进后模型的m AP为88.6%,与YOLOv5s相比提升1个百分点,模型权重缩减39.4%,浮点运算量降低44.3%,在GPU、CPU上的单张图像平均检测时间分别减少12.6%和24%。此外,本研究将训练好的模型部署到嵌入式设备Jetson Nano上,模型在Jetson Nano上的检测时间比YOLOv5s减少30.4%。【结论】改进后的轻量级模型能够快速准确地检测自然环境下不同成熟度的桃子,可以为桃子采摘机器人的视觉识别系统提供技术支持。     

基于YOLOv3的病死猪猪头的识别方法

【目的】为在养殖场实现非接触对病死、死因不明或染疫猪猪头进行目标检测。【方法】课题组提出了一种基于YOLOv3的病死猪猪头的识别方法,将采集的病死猪图片通过处理制成数据集,并按一定比例分成训练验证集与测试集,通过YOLOv3模型训练,得到预训练权重参数,用评价指标对模型检测效果进行评估,从而获得最优模型的训练测试比。【结果】在训练测试比为8∶2时,YOLOv3算法模型对病死猪猪头的识别平均精度值达91.74%,准确率达95.56%,召回率达89.58%,满足目标检测精度要求,且该模型的平均准确率、准确率、召回率均高于SSD和FasterR-CNN算法模型。【结论】YOLOv3算法模型有助于在对病死猪进行无害化处理时,为机械手提供抓取目标,实现处理设备的智能化、无人化发展。     

基于YOLOv5的核桃品种识别与定位

为实现对不同品种核桃的分类与定位,提出一种基于深度学习的核桃检测方法。首先,以新疆南疆地区主产的三种核桃为对象进行图像采集,并对图像进行翻转、裁剪、去噪、光照变换等操作制作核桃数据集;然后,采用基于YOLOv5的检测模型进行试验,并与YOLOv3、YOLOv4和Faster RCNN算法进行比较。结果表明,基于YOLOv5的模型对新2、新光和温185核桃检测的平均精度均值分别为99.5%、98.4%和97.1%,单幅图像检测耗时为7 ms。在相同数据集、相同试验环境下,该模型的检测速度是Faster RCNN的7倍,该模型的检测精度比YOLOv4高2.8%且模型大小仅为YOLOv4的1/14。试验结果表明,基于YOLOv5的核桃检测方法在检测精度和速度上是所有对比算法中最高的,适合本研究的检测需求,可为机器人自主分拣核桃提供研究基础。     

基于改进YOLOv3网络模型的茶草位置检测算法

精准高效的茶草识别是智能茶园植保机械进行除草工作的关键。针对目前茶园除草智能化程度较低等问题,提出改进YOLOv3网络模型的茶草检测算法。首先,分季节和时间段,在多个茶叶品种的种植园中以自适应的距离和角度采集茶草混合图像并建立试验数据集。接着,使用K均值聚类算法重新设计先验锚框尺度。然后,以YOLOv3网络模型为基础,选取17×17的网格划分图像区域;采用残差网络（ResNet）作为主干网;加入过程提取层,增强草株检测性能。最后在原损失函数中引入广义交并比损失。通过消融试验和不同目标检测算法对比试验验证此改进算法对茶树与杂草的检测效果。试验结果表明,改进 YOLOv3网络模型对杂草的检测精确率和召回率分别为85.34%和91.38%,对茶树的检测精确率和召回率最高达到82.56%和90.12%;与原YOLOv3网络模型相比,检测精确率提高8.05%,并且每秒传输帧数达到52.83 Hz,是Faster R-CNN网络模型的16倍。这些数据说明所提算法在茶园复杂环境下,不仅对于茶树和杂草具有更好的识别效果,而且满足实时检测的要求,可以为智能茶园植保机械提供技术支持。     

基于YOLOv3的太阳能电池板缺陷检测

为了提高太阳能电池板的检测效率,针对太阳能电池板常见缺陷检测问题,本研究利用YOLOv3目标检测模型对太阳能电池板电致发光图片进行缺陷检测。根据太阳能板缺陷数据集通过K-means聚类优化先验框,YOLOv3 算法在测试集上的平均精度均值(mAP)达到 81.81%。实验结果表明:YOLOv3目标检测模型对于含有断栅、隐裂缺陷的太阳能电池板能够实现比较准确的检测,整体检测效果较为理想。     

水田田埂边界支持向量机检测方法

提出了基于支持向量机的水田田埂边界线的检测算法。采用支持向量机分类算法代替传统的图像分割算法,分割水田图像,提高了在不同光照条件下田埂边界检测的鲁棒性。图像预处理阶段引入超像素分割算法,大大减少了后续图像处理的计算量,并为支持向量机的模型训练提供大量的样本。选取足够数量的超像素样本,提取其颜色特征和纹理特征,构成19维的特征向量,并作为训练支持向量机模型的输入。使用训练好的支持向量机模型识别新图像中的水田田埂区域,模型评价指标F1分数达到90. 7%。采用霍夫变换提取田埂边界,在NVIDIA的Jetson TX2硬件平台上,算法总运行时间在0. 8 s以内,有效满足了水田直播机的实时性要求。     

基于双目相机与改进YOLOv3算法的果园行人检测与定位

针对复杂果园环境中行人难以精确检测并定位的问题,提出了一种双目相机结合改进YOLOv3目标检测算法的行人障碍物检测和定位方法。该方法采用ZED双目相机采集左右视图,通过视差原理获取图像像素点的距离信息;将双目相机一侧的RGB图像作为用树形特征融合模块改进的YOLOv3算法的输入,得到行人障碍物在图像中的位置信息,结合双目相机获得的像素位置信息计算出相对于相机的三维坐标。用卡耐基梅隆大学国家机器人工程中心开放的果园行人检测数据集测试改进的YOLOv3算法,结果表明,准确率和召回率分别达到95.34%和91.52%,高于原模型的94.86%和90.19%,检测速度达到30.26 f/ms。行人检测与定位试验表明,行人障碍物的定位在深度距离方向平均相对误差为1.65%,最大相对误差为3.80%。该方法具有快速性和准确性,可以较好地实现果园环境中的行人检测与定位,为无人驾驶农机的避障决策提供依据。     

论小学生创新素质的培养

小学阶段是人的世界观、人生观、价值观初步形成的时期,创新素质的培养必须从小学抓起,这也是21世纪社会发展的迫切需求。文章在阐述小学生创新素质内涵的基础上,从创新意识的树立、创新精神的塑造、创新能力的培育等几个方面,探讨了如何培养小学生的创新素质。     

企业治理中的剩余索取权与控制权配置

剩余索取权的配置直接关系到各利益相关者的权益,合理配置剩余索取权是调动各利益相关者积极性以及提高企业内部资源配置效率的关键。企业控制权安排作为一种制度本身虽然具有合理性,但这并不意味着企业控制权的行使是有效的。因此,企业控制权的结构是否合理在于其安排是否有利于公司绩效水平的提升,良好的公司绩效取决于是否存在符合实际需要的企业控制权安排。剩余索取权与控制权配置对我国国有企业的发展有很大的启示作用,本文在最后也对国有企业的发展提出了一些建议。     

塔里木河流域国民经济内部产业水资源配置和利用的经济效应分析

基于流域GDP增长的水资源利用的经济效应模型,分析了塔河流域国民经济产业用水量、用水结构和用水经济效率对GDP的经济效应。结果表明,当前塔河流域的水资源利用对GDP增量的效应主要由产业用水结构和用水经济效率决定,第二三产业的用水结构和用水经济效率是其中的关键要素;塔河流域国民经济产业内部用水结构和用水经济效率结构的进一步优化有利于未来水资源利用对GDP增量的贡献。     

成熟期油菜茎秆力学特性试验研究

为了给高效、低耗油菜联合收割机切割装置的设计提供理论依据,以"湘杂油743"成熟期茎秆为试验材料,分别测定其弹性模量E、剪切弹性模量G、剪切力F和含水率.试验结果表明:成熟期油菜茎秆弹性模量E稳定在160MPa,剪切弹性模量G稳定在11kPa;油菜茎秆的弹性模量和剪切弹性模量随茎秆含水率的减小而增大,第1分支处的剪切力随含水率的下降而先上升后下降,最大值为115N.同时,拟合了本品种茎秆直径随沿轴线高度变化的关系方程,并得到第一分支处的平均直径为11.09mm.     

渡槽纠偏新技术——地基应力解除法

地基应力解除法是一项新的建筑物纠偏技术,它和一般的掏土法有根本区别。自1989年5月以来,已运用该法在武汉市成功地纠正了15座倾斜楼房,并于1991年2月2日通过了湖北省科学技术成果鉴定。本文通过对一座渡槽的排架纠偏,证明了该法对渡糟这一类水工建筑物也可取得良好的效果。     

数码摄像机拍摄技术入门浅谈

本文针对初学摄像者在开始学习摄像时，面临的一些技术性和难以把握的问题进符了阐述，从五个方面总结了摄像新手在入门时应该学习的几个方面的知识。     

我国施肥机械化发展现状及对策分析

目前,我国粮食产量的提高,在很大程度上依赖于作物品种的改进、生产技术的提高及科学施肥等因素。化肥的机械化施用技术的发展．关系到我国粮食安全和农业生产与生态环境的协调发展。因地制宜施用肥料已经成为农事活动特别是作物增产措施中一项十分重要的内容。然而,由于我国粮食产量的增长对化肥的依赖性不断增加．导致农业生产与自然环境之间的矛盾不断加剧,施肥技术的正确与否已成为能否实现农业乃至全社会可持续发展和协调发展的关键因素,并已成为政府和社会普遍关注的焦点。因此。正确分析农业生产中化肥的施用现状和装备现状,研究探讨科学、高效的机械化施肥技术．显得十分迫切。     

调速器主配中位自动诊断及智能纠偏技术研究与应用

液压随动系统主配电气中位未整定准确和温漂作用是调速器系统出现主配频繁调节的主要原因之一。技术人员对调速器液压随动系统进行深入的理论研究,提出了静态平衡理论和主配中位纠偏原理,探索出了主配电气中位自适应方法,进而通过调速器电气控制系统自适应控制功能软件开发,实现了主配电气中位自动诊断及智能纠偏功能,并通过真机测试验证其功能效果,完美解决了液压随动系统主配电气中位未整定准确或由于温漂作用导致的调速器系统主配频繁调节问题,保证了机组和电网安全稳定运行。     

水资源资产化管理研究

水资源危机的进一步加深要求水资源竹理应尽快向水资源资产化管理转变，但对于如何实现这目标，目前学术界和实务界都还处于摸索阶段。在对水资源资产化管理的必要性和紧迫性进行分析的基础上，界定了水资源资产及水资源资产化管理的内涵，进而构建了我国水资源资产化管理体系，并对水资源资产化管理体系的实施进行了深入研究。     

堆石体分区和堆石料压缩模量对面板坝变形影响分析

采用邓肯-张E-B模型和ANSYS数值分析软件,结合水布垭面板坝工程,研究了200 m级面板坝主、次堆石料不同压缩模量及堆石分区形式对坝体的沉降、应力和面板挠度等的影响。通过比较分析,结果表明：坝体最大沉降和面板最大挠度均随着主、次堆石压缩模量比值增大而增大;顶部面板顺坡向0.35倍处的面板挠度最大并有较大程度的反弯,为了减小挠度和反弯趋势,可增大主堆石料的压缩模量;主、次堆石压缩模量比值在1~2以内,可以选择分界线在坝轴线上游的分区形式,可以明显提高软岩的利用量而且坝体和面板的变形尚在接受范围之内;否则,分界线要置于坝轴线下游1∶0.2~1∶0.5之间,保证主堆石在0.5~0.75倍的充分坝宽,这样的分区对坝体和面板的变形才更为有利,值得推广应用。