基于改进YOLO v5s的马铃薯种薯芽眼检测方法

芽眼检测是马铃薯种薯智能切块首先要解决的问题,为实现种薯芽眼精准高效检测,提出了一种基于改进YOLO v5s的马铃薯种薯芽眼检测方法。首先通过加入CBAM注意力机制,加强对马铃薯种薯芽眼图像的特征学习和特征提取,同时弱化与芽眼相似的马铃薯种薯表面背景对检测结果的影响。其次引入加权双向特征金字塔BiFPN增加经骨干网络提取的种薯芽眼原始信息,为不同尺度特征图赋予不同权重,使得多尺度特征融合更加合理。最后替换为改进的高效解耦头Decoupled Head区分回归和分类,加快模型收敛速度,进一步提升马铃薯种薯芽眼检测性能。试验结果表明,改进YOLO v5s模型准确率、召回率和平均精度均值分别为93.3%、93.4%和95.2%;相比原始YOLO v5s模型,平均精度均值提高3.2个百分点,准确率、召回率分别提高0.9、1.7个百分点;不同模型对比分析表明,改进YOLO v5s模型与Faster R-CNN、YOLO v3、YOLO v6、YOLOX和YOLO v7等模型相比有着较大优势,平均精度均值分别提高8.4、3.1、9.0、12.9、4.4个百分点。在种薯自动切块芽眼检测试验中,改进Y...     

基于改进YOLO v4的生猪耳根温度热红外视频检测方法

基于热红外视频的生猪体温检测过程中,视频中保育期生猪头部姿态变化大,且耳根区域小,导致头部和耳根区域定位精度低,影响生猪耳根温度的精准检测。针对以上问题,本文提出了一种基于改进YOLO v4(Mish Dense YOLO v4,MD-YOLO v4)的生猪耳根温度检测方法,构建了生猪关键部位检测模型。首先,在CSPDarknet-53主干网络中,添加密集连接块,以优化特征转移和重用,并将空间金字塔池化(Spatial pyramid pooling, SPP)模块集成到主干网络,进一步增加主干网络感受野;其次,在颈部引入改进的路径聚合网络(Path aggregation network, PANet),缩短多尺度特征金字塔图的高、低融合路径;最后,网络的主干和颈部使用Mish激活函数,进一步提升该方法的检测精度。试验结果表明,该模型对生猪关键部位检测的mAP为95.71%,分别比YOLO v5和YOLO v4高5.39个百分点和6.43个百分点,检测速度为60.21 f/s,可满足实时检测的需求;本文方法对热红外视频中生猪左、右耳根温度提取的平均绝对误差分别为0.26℃和0.21℃...     

基于频域数据增强与轻量化YOLO v7模型的成熟期香梨目标检测方法

为实现香梨自动化采摘,本文以YOLO v7-S为基础模型,针对果园中香梨果实、果叶和枝干之间相互遮挡,不易精准检测的问题,设计了一种轻量化香梨目标检测M-YOLO v7-SCSN+F模型。该模型采用MobileNetv3作为骨干特征提取网络,引入协同注意力机制(Coordinate attention,CA)模块,将YOLO v7-S中的损失函数CIoU替换为SIoU,并联合Normalized Wasserstein distance (NWD)小目标检测机制,以增强网络特征表达能力和检测精度。基于傅里叶变换（Fourier transform,FT）的数据增强方法,通过分析图像频域信息和重建图像振幅分量生成新的图像数据,从而提高模型泛化能力。实验结果表明,改进的M-YOLO v7-SCSN+F模型在验证集上的平均精度均值（mAP）、精确率和召回率分别达到97.23%、97.63%和93.66%,检测速度为69.39f/s,与Faster R-CNN、SSD、YOLO v3、YOLO v4、YOLO v5s、YOLO v7-S、YOLO v8n、RT-DETR-R50模型在验证集上进行性能比较,其平均精度均值（mAP)分别提高14.50、26.58、3.88、2.40、1.58、0.16、0.07、0.86个百分点。此外,改进的M-YOLO v7-SCSN+F模型内存占用量与YOLO v8n和RT-DETR-R50检测模型对比减少16.47、13.30MB。本文提出的检测模型对成熟期香梨具有很好的目标检测效果,为背景颜色相近小目标检测提供参考,可为香梨自动化采摘提供有效的技术支持。     

基于YOLO v7-ECA模型的苹果幼果检测

为实现自然环境下苹果幼果的快速准确检测,针对幼果期苹果果色与叶片颜色高度相似、体积微小、分布密集,识别难度大的问题,提出了一种融合高效通道注意力(Efficient channel attention, ECA)机制的改进YOLO v7模型(YOLO v7-ECA)。在模型的3条重参数化路径中插入ECA机制,可在不降低通道维数的前提下实现相邻通道局部跨通道交互,有效强调苹果幼果重要信息、抑制冗余无用特征,提高模型效率。采集自然环境下苹果幼果图像2 557幅作为训练样本、547幅作为验证样本、550幅作为测试样本,输入模型进行训练测试。结果表明,YOLO v7-ECA网络模型准确率为97.2%、召回率为93.6%、平均精度均值(Mean average precision, mAP)为98.2%、F1值为95.37%。与Faster R-CNN、SSD、Scaled-YOLO v4、YOLO v5、YOLO v6、YOLO v7网络模型相比,其mAP分别提高15.5、4.6、1.6、1.8、3.0、1.8个百分点,准确率分别提高49.7、0.9、18.5、1.2、0.9、1.0个百分点,...     

基于YOLO v8n-seg-FCA-BiFPN的奶牛身体分割方法

奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上,加入多尺度融合模块与双向跨尺度加权特征金字塔结构,提出了YOLO v8n-seg-FCA-BiFPN奶牛身体部位分割模型。其中,多尺度融合模块使模型更好地提取小目标几何特征信息,双向跨尺度加权特征金字塔结构实现了更高层次的特征融合。首先在奶牛运动通道处采集奶牛侧面图像作为数据集,为保证数据集质量,采用结构相似性算法剔除相似图像,共得到1452幅图像。然后对目标奶牛的前肢、后肢、乳房、尾部、腹部、头部、颈部和躯干8个部位进行标注并输入模型训练。测试结果表明,模型精确率为96.6%,召回率为94.6%,平均精度均值为97.1%,参数量为3.3×106,检测速度为6.2f/s。各部位精确率在90.3%~98.2%之间,平均精度均值为96.3%。与原始YOLO v8n-seg相比,YOLO v8n-seg-FCA-BiFPN的精确率提高3.2个百分点,召回率提高2.6个百分点,平均精度均值提高3.1个百分点,改进后的模型在参数量基本保持不变的情况下具有更强的鲁棒性。遮挡情况下该模型检测结果表明,精确率为93.8%,召回率为91.67%,平均精度均值为93.15%。结果表明,YOLO v8n-seg-FCA-BiFPN网络可以准确、快速地实现奶牛身体部位精准分割。     

基于改进YOLO v7的轻量化樱桃番茄成熟度检测方法

为在自然环境下自动准确地检测樱桃番茄果实的成熟度,实现樱桃番茄果实自动化采摘,根据成熟期樱桃番茄果实表型特征的变化以及国家标准GH/T 1193—2021制定了5级樱桃番茄果实成熟度级别(绿熟期、转色期、初熟期、中熟期和完熟期),并针对樱桃番茄相邻成熟度特征差异不明显以及果实之间相互遮挡问题,提出一种改进的轻量化YOLO v7模型的樱桃番茄果实成熟度检测方法。该方法将MobileNetV3引入YOLO v7模型中作为骨干特征提取网络,以减少网络的参数量,同时在特征融合网络中加入全局注意力机制(Global attention mechanism, GAM)模块以提高网络的特征表达能力。试验结果表明,改进的YOLO v7模型在测试集下的精确率、召回率和平均精度均值分别为98.6%、98.1%和98.2%,单幅图像平均检测时间为82 ms,模型内存占用量为66.5 MB。对比Faster R-CNN、YOLO v3、YOLO v5s和YOLO v7模型,平均精度均值分别提升18.7、0.2、0.3、0.1个百分点,模型内存占用量也最少。研究表明改进的YOLO v7模型能够为樱桃番茄果实的自...     

基于改进YOLO v5s模型的奶山羊乳房区域热红外图像检测方法

奶山羊乳房区域的准确提取是奶山羊非侵入式体温检测的关键,但受乳房区域遮挡及热红外图像分辨率不高等因素影响,其检测精度尚待进一步提升。基于热红外成像技术,提出了一种基于改进YOLO v5s的奶山羊乳房关键部位检测方法。通过将原模型Backbone网络的部分卷积模块替换为ShuffleNetV2结构,以达到降低网络部署和训练过程中的参数量、实现轻量化网络设计的目的。通过在Neck网络检测头(Head)前端引入CBAM注意力机制,以达到在降低网络复杂程度的同时保证奶山羊乳房区域检测精度的目的。本研究采集了包含完整信息、残缺信息和边缘模糊的孕期奶山羊乳房红外图像4611幅,并在部位标注后进行模型训练。经测试,模型精确率为93.7%,召回率为86.1%,平均精度均值为92.4%,参数量为8×105,浮点运算量为1.9×109。与YOLO v5n、YOLO v5s、YOLO v7-tiny、YOLO v7、YOLO v8n和YOLO v8s目标检测网络相比,网络的精确率分别提高1.9、1.2、1.6、4.3、3.5、2.7个百分点,召回率提高3.4、5.0、0.1、2.6、0.9、1.5个百分点,参数量降低1.1×106、6.2×106、5.2×106、3.6×107、2.4×106和1.0×107,浮点运算量降低2.6×109、1.4×1010、1.1×1010、1.0×1011、6.8×109和2.7×1010。试验结果表明,本研究所提出的网络可以实现奶山羊乳房关键部位的精确检测,且在不损失检测精度的基础上显著降低网络的参数量,有利于网络在不同环境下的部署和使用,可为奶山羊非接触式体温监测系统设计提供借鉴。     

基于CBAM-YOLO v7的自然环境下棉叶病虫害识别方法

针对自然环境下棉花叶片病害检测难度大和人工设计特征提取器难以获取与棉叶病虫害相近特征表达的问题,提出一种改进的注意力机制YOLO v7算法（CBAM-YOLO v7）。该模型在YOLO v7模型基础上,在Backbone与Head中间增加注意力机制CBAM,并在Head部进行4倍下采样,然后将CBAM-YOLO v7模型用于棉叶病虫害识别,并与YOLO v5和YOLO v7进行对比试验。试验结果表明：蚜虫和正常叶片检测方面,YOLO v7可取得好的检测结果;CBAM-YOLO v7对黄萎病、棉盲蝽、红蜘蛛棉叶病虫害图像检测的准确率高于其他模型。CBAM-YOLO v7的mAP为85.5%,相较于YOLO v5提高21个百分点,相较于YOLO v7提高4.9个百分点;单幅图检测耗时为29.26ms,可为棉叶病害在线监测提供理论基础。     

基于MS-YOLO v7的多尺度稻飞虱识别分类方法

智能虫情测报灯下害虫的精准识别和分类是实现稻田虫情预警的前提,为解决水稻害虫图像识别过程中存在分布密集、体态微小、易受背景干扰等造成识别精度不高的问题,提出了一种基于MS-YOLO v7（Multi-Scale-YOLO v7）轻量化稻飞虱识别分类方法。首先,采用稻飞虱害虫诱捕装置搭建稻飞虱害虫采集平台,获取的稻飞虱图像构成ImageNet数据集。然后,MS-YOLO v7目标检测算法采用GhostConv轻量卷积作为主干网络,减小模型运行的参数量;在Neck部分加入CBAM注意力机制模块,有效强调稻飞虱区别度较高的特征通道,抑制沉冗无用特征,准确提取稻飞虱图像中的关键特征,动态调整特征图中不同通道的权重;将SPPCSPS空间金字塔池化模块替换SPPFS金字塔池化模块,提高网络模型对各分类样本的特征提取能力;同时将YOLO v7模型中的SiLU激活函数替换为Mish激活函数,增强网络的非线性表达能力。试验结果表明,改进后的MS-YOLO v7在测试集上的模型平均精度均值（Mean average precision,mAP）为95.7%,精确率（Precision）为96.4%,召回率（Recall）为94.2%,与Faster R-CNN、SSD、YOLO v5、YOLO v7网络模型相比mAP分别提高2.1、3.4、2.3、1.6个百分点,F1值分别提高2.7、4.1、2.5、1.4个百分点。改进后的模型内存占用量、参数量、浮点运算数分别为63.7MB、2.85×107、7.84×1010,相比YOLO v7模型分别缩减12.5%、21.7%、25.4%,MS-YOLO v7网络模型对稻飞虱种间害虫均能实现高精度的识别与分类,具有较好的鲁棒性,可为稻田早期稻飞虱虫情预警提供技术支持。     

基于红外热成像和改进YOLO v5的作物病害早期识别

为实现作物病害早期识别,本文提出一种基于红外热成像和改进YOLO v5的作物病害早期检测模型,以CSPD-arknet为主干特征提取网络,YOLO v5 stride-2卷积替换为SPD-Conv模块,分别为主干网络中的5个stride-2卷积层和Neck中的2个stride-2卷积层,可以提高其准确性,同时保持相同级别的参数大小,并向下阶段输出3个不同尺度的特征层;为增强建模通道之间的相互依赖性,自适应地重新校准通道特征响应,引入SE机制提升特征提取能力;为减少模型计算量,提高模型速度,引入SPPF。经测试,改进后YOLO v5网络检测性能最佳,mAP为95.7%,相比YOLO v3、YOLO v4、SSD和YOLO v5网络分别提高4.7、8.8、19.0、3.5个百分点。改进后模型相比改进前对不同温度梯度下的作物病害检测也有提高,5个梯度mAP分别为91.0%、91.6%、90.4%、92.6%和94.0%,分别高于改进前3.6、1.5、7.2、0.6、0.9个百分点。改进YOLO v5网络内存占用量为13.755MB,低于改进前基础模型3.687MB。结果表明,改进YOLO v5可以准确快速地实现病害早期检测。     

摊铺机压实机构动态特性仿真

在摊铺机中,由熨平压实机构和压实介质组成的系统,为两个自由度的非线性动力学系统,压实介质简化为粘弹塑性体.建立熨平压实机构动态特性力学模型,利用计算机仿真,研究了熨平压实机构的动力学问题,分析了熨平压实机构动力学参数变化对该系统动态特性的影响.     

灌溉水平及灌溉间隔对大豆植株干物质积累的影响

采用桶栽方法,选用黑农48为试验材料,设计4个灌溉水平及4种干旱胁迫历时进行交叉试验,研究了灌溉水平及干旱胁迫历时对大豆干物质积累的影响。结果表明,花荚期大豆植株叶、茎、根和荚果更易受干旱胁迫历时影响,干旱胁迫历时越短越有利于植株生长,灌溉水平对植株的生长影响相对弱于干旱胁迫历时。植株各器官干质量的等高线图表明高灌溉水平、短干旱胁迫历时比低灌溉水平、长干旱胁迫历时有绝对优势,同时也表现出高灌溉水平、长干旱胁迫历时处理与低灌溉水平、短干旱胁迫历时处理之间具有相似性。     

番茄果实热导率测试装置参数实

微热探针法测试热导率系统已被广泛应用于食品材料热导率的测试中.但是,由于实验条件或实验设备的限制,基于理想的线热源瞬态模型测量原理得到的结果会产生某些测试误差.针对测试误差,从探针输入电压、加热时间和样品的径向尺寸等装置操作参数的选择着手,通过实验,得到装置系统测定中输入电压的最佳值为2.5～6.5V、加热时间最佳值为20～50s.最后通过实际测试,得到了番茄果实在不同成熟阶段的热导率变化规律.     

影响感官检验棉花品级的因素探析

感官检验棉花的品级,这是农村常见的一种检测手段.它的一个主要特点就是存在不确定性.这是由于检验员的品级检验水平存在一定的差异,其中有很多因素制约着检验的结果.文章对影响感官检验结果的因素进行了系统的分析.     

并联压电泵腔体初始容积设计

为探究腔体初始容积对压电泵性能的影响,设计了双腔体并联压电泵.通过理论分析,确定了双腔并联压电泵能够工作时泵腔初始容积的取值范围,根据理论公式设计制作了6种不同腔体初始容积的双腔并联有阀压电泵样机,对泵腔初始容积的变化与泵工作性能关系进行研究.在110 V工作电压下,工作频率小于400 Hz范围内,用压电双晶片进行驱动,分别以液体水和空气为介质,对不同压缩比（压电振子振动产生的泵腔容积变化量与泵腔初始容积的比值）下的并联泵进行了试验测试.结果表明,当泵送液体水时,压缩比为1/18时泵的整体输出流量最好,最大输出流量可达1 330 mL/min,压缩比越大,泵的输出压力和自吸能力越好,最大输出压力和自吸高度分别为58.5 kPa和69 cm;当泵送气体空气时,压缩比越大,泵的输出能力越好,最大输出流量和压力分别为850 mL/min和6.5 kPa,当压缩比小于1/32时,泵已经失去了输出气体能力.     

迷宫流道转角对灌水器抗堵塞性能的影

以转角分别为45.0°、60.0°、67.5°和75.0°的齿形流道灌水器为研究对象,应用CFD流场速度数值分析、PIV颗粒运动轨迹线和速度观测对比以及浑水抗堵塞测试相结合的方法,研究了转角对灌水器水力性能和抗堵塞能力的影响.结果表明转角与流量系数及流态指数均呈负相关关系,而灌水器的抗堵塞能力随着转角的增加呈下降趋势.综合分析转角对水力性能和抗堵塞性能的影响,提出迷宫流道结构灌水器的合理转角为60.0°.     

叶轮后密封环直径加大量对轴向力特性的影响

以300QJ230-40/2型潜水泵为研究对象,以清水为介质,采用标准k-ε湍流模型在多重参考系下对该泵全流道进行了定常不可压数值模拟,获得了外特性和轴向力预测值,并绘制了性能曲线和轴向力随扬程变化的关系曲线;采用机械法对该泵轴向力进行了试验测量,并将模拟值与试验值进行对比分析.结果表明:在0.8Q_sp~1.2Q_sp(对应扬程为46~36 m)的工作区域,泵性能和轴向力的数值计算结果与实测结果基本吻合.在叶轮前密封环直径、平衡孔直径及数量不变的条件下,在叶轮后密封环直径加大量Δr_m≠0时,对该潜水泵进行了全流道数值模拟和轴向力数值计算,绘制了不同后密封环直径下泵轴向力随扬程变化的关系曲线,结果表明了加大后密封环直径能有效地减小轴向力;绘制了轴向力系数与比面积关系的无因次曲线.     

PLC在泵站群计算机远动系统RTU终端中的应用

以某泵站群计算机运动系统为实例，分析由PLC构成的泵站远方终端RTU的特点及功能。     

迷宫流道转角对灌水器水力性能的影

为研究齿形、梯形以及矩形流道转角变化对水力性能的影响,采用Fluent软件对不同形状下不同转角的流道进行了数值模拟.研究结果表明:当其他条件相同时,转角的变化与流量系数、流态指数呈负相关,其变化对梯形流道灌水器的流量系数影响最大,最多下降了19.03%,齿形流道次之,下降了10.14%,矩形流道是梯形流道转角角度增加的延伸,具有相同的水力性能变化规律;随着角度的增加,梯形流道总的局部水头损失系数最多增加了32.5%,而齿形流道总的局部水头损失系数最多增加了23.4%,变化都很明显;压力较高时,摩阻系数基本保持不变,流体为紊流状态.     

机采棉清杂系统的钉床式荷电装置与试验

针对机采籽棉清杂工序中荷电效果不佳的现实问题,提出了一种钉床式荷电方法。以MCU为主控制单元,设计了一款钉床式荷电控制系统。在荷电极板面上均匀分布且垂直于极板面的长度为5cm的金属钉,控制器控制静电发生器产生高压静电,通过荷电极板上的金属钉放电,将平铺在极板间的机采棉荷电。试验结果表明:与无金属钉的荷电极板相比,机采棉荷电均匀,荷电速度提高了8%,效果良好。该研究可为机采棉静电清杂应用提供参考。