配电网电能质量监测数据压缩传感与重构

针对配电网电能质量(PQ)海量监测数据采集、存储和传输等难点问题,引入压缩传感理论,研究配电网PQ信号压缩传感的实现方法;采用高斯随机测量矩阵获取PQ信号的线性测量值;基于傅里叶基矩阵对压缩感知信号进行正交匹配追踪重构,测试并分析信号稀疏特性、随机测量次数与信号重构精度的关系。试验结果表明,基于傅里叶投影空间的正交匹配追踪算法可对谐波、间谐波等稳态PQ压缩感知信号进行精确重构,重构精度可达数量级。     

基于压缩感知的植物微环境及生理参数采集方法研究

在ARM平台上,设计了基于压缩感知的采集算法,极大地减少了数据存储量,提高了传输效率。分别选择离散傅里叶变换基(DFT)、离散余弦变换基(DCT)作为稀疏基,测试了该算法在2种基底下的工作性能。通过实验仿真分析,在相同稀疏度条件下,DCT具有更小的稀疏化误差,但是DFT具有更好的去噪效果、更低的观测维度和更高的数据压缩比;随着稀疏度的增大,两者的稀疏化误差减小,观测维度升高,数据压缩比降低。与此同时,还在ARM平台上测试了基于DFT压缩采集系统的压缩比和功耗,与常规植物微环境及生理参数监测系统相比,该系统的压缩比达到4.24,并能够节省13.62%的功耗。综上所述,基于压缩感知的植物微环境及生理参数采集方法由于数据压缩比高,在节省数据存储空间和降低数据传输量的同时,达到了降低系统功耗的目的,间接增强了系统的续航能力。     

面向非规范化数据源的动物体温异常识别方法

在动物体温异常识别中,红外测温等方式容易产生系统偏差使得判断结果不可靠。基于深度学习的方法在不同测温设备上的鲁棒性与泛化性能较差,且难以应用于数据量少、随机性强、标准不一致等非规范化的测温场景。因此,本文提出了一种面向非规范化数据源的动物体温异常识别方法,通过衡量体温时序数据间的相似度即可完成异常识别。针对常用的相似性度量算法在序列匹配、序列间距度量上效果不佳的问题,提出了一种改进的动态时间规整算法(Improved dynamic time warping, iDTW)。在点间度量方式上,综合欧氏距离和一阶导数,改善了序列过度对齐问题。使用序列交并比表示序列整体特征,提升了序列间距度量效果。针对不等长序列及过长序列的异常检测问题,提出了基于滑动窗口和序列等分的异常检测方法。以较短序列为滑动窗口遍历较长序列得到一组序列间距,根据训练和检测的不同阶段分别选择其中的最小值或最大值作为相似度衡量结果,以解决不等长序列匹配问题。将过长的样本数据序列等分为多个子序列,取子序列的间距和为样本间距,以解决过长序列导致的正常样本间距过大和异常漏检问题。在公开数据集UCR上的实验分析表明,相比于欧氏距离...     

基于动态剪枝神经网络的杂草检测算法研究

针对卷积神经网络模型巨大的参数量和计算量导致其实际应用时难度较大的问题，提出了一种基于注意力机制与动态稀疏约束的模型压缩方法。该算法首先借助SENet(Squeeze and excitation networks, SENet)模块(可称为SE模块)评估出网络中各个通道的重要性，并施加稀疏正则化；然后提出一种网络稀疏度的自适应惩罚权重设计方法，根据模型学习效果，动态调整权重，将其添加到最终的训练目标上，实现模型动态压缩。最后，通过实验验证所提出的模型压缩方法，在经典的多分类数据集CIFAR-10上进行实验，证明了本文所提出的基于注意力机制与动态稀疏约束的模型压缩方法可降低网络的冗余度，使网络模型参数量减少43.97%,计算量减少82.94%,而分类准确率只比原始VGG16模型下降0.04个百分点。随后又将提出的模型压缩方法应用到杂草检测任务中，在甜菜与杂草数据集上进行实验，实验结果表明，剪枝模型相较于未剪枝模型的模型参数量减少41.26%,计算量减少45.77%,而平均检测精度均值只减少0.91个百分点，证明了该方法在杂草检测方面效果较好。     

基于压缩感知的农作物病虫害图像重构

针对农业病虫害远程诊断系统中对农作物病虫害图像重构精度要求高的问题,提出基于压缩感知的病虫害图像重构方法。利用压缩感知方法,在传感器数据采集端使用测量矩阵对病虫害图像信号进行观测,测量值通过网络被传输至远程监控端后,再使用正交匹配追踪算法对图像进行重构。为了验证提出的重构方法的有效性,在不同的采样数量下,对病虫害图像的重构进行了仿真。结果表明,该方法能高质量地重构病虫害图像。     

基于压缩感知的图像降噪处理研究

在农产品图像的动态采集中,可能会出现粘结、叠加及背景干扰等一系列缺陷,同时稀疏采样的图像也可能是不完整的。对于这个棘手的问题,由压缩感知理论可以找到答案。压缩感知理论首先对采集的图像进行稀疏表达,然后选取适合图像的最优小波基,采用凸优化理论及其算法,可以得到花生图像的特征点(降噪点)并进行处理,从而完成噪声的去除。为此,在压缩感知理论的基础上,提出了运用快速迭代阈值收缩(FISTA)算法进行去噪处理,与其他的图像降噪方法相比,体现了速度快、效率高、去噪效果好等优势。     

基于K-SVD基的林区监测站数据采集方法研究

基于K-SVD字典学习算法（K-singular value decomposition, K-SVD）的压缩感知技术应用在林区微环境监测站中,可极大地减少数据传输数量,从而降低监测站的使用能耗,延长监测站的使用寿命。本文选用空气温度作为实验对象,验证算法的可行性,并与前人提出的基于离散傅里叶变换基（Discrete fourier transform, DFT）的压缩感知方法进行对比实验。实验结果表明,当稀疏度k相同时,K-SVD算法的平均稀疏化误差始终小于DFT算法,且误差分布范围更加集中;当稀疏度和压缩率均相同时,K-SVD算法的平均重构误差也始终小于DFT算法,且误差分布范围更加集中。在林区微环境监测站中,K-SVD算法具有更好的稀疏表示性能以及重构性能,在降低相同系统能耗的同时,也降低了数据传输的误差。     

基于改进ORB的害虫图像特征匹配方法

引入BRISK算法思想,提出改进的BRRB算法(BRISK and ORB)。首先采用ORB算法中的特征检测算法oFAST检测到图像中的特征点,用改进的Harris角点响应函数对特征点加入尺度信息;最后用BRISK算法对特征点进行均匀采样,并生成具有尺度不变性的二进制特征描述符。将采集到的200张害虫样本数据划分为50组,分别进行图像配准实验。实验结果表明,BRRB算法的平均匹配精准度达到了约95%,比原算法提升了约73%;平均计算速度约为47.8 ms;在综合性能实验中,改进后算法的平均匹配精度比传统算法高出了0.6个百分点,在光照不变性上比传统算法高出了1.9个百分点。改进后算法有效的解决了ORB不具备尺度不变性的缺陷,并且保留了原算法在计算速度上的高效性和对旋转、光照的不变性,使害虫图像的匹配工作更加精准,为农作物害虫识别和防治工作提供技术支持。     

基于改进SURF算法无人机影像特征匹配的研究

由于无人机受相机广角和飞行高度的限制,单张影像无法拍摄整个农田形状,导致无法准确测量农田实际面积。为此,基于图像特征匹配技术,提出改进SURF算法,用于无人机影像拼接。该算法针对传统SURF算法初始特征点选取精度不足的问题提出改进方案,优化高斯模糊的过程,进而形成新的尺度空间生成方式。通过在实验基地试验得出:本研究提出的改进SURF算法比传统SURF算法特征点在卷积核尺寸为3×3时,70 m、120 m高空的匹配率分别提升4.7%和5.3%;在卷积核尺寸为5×5时,70 m、120 m高空的匹配率分别提升4.0%和4.3%。本研究将改进后的SURF算法用于后期图像拼接中,经试验对比发现:改进的SURF算法在图片拼接处衔接程度明显提升,得到匹配精度更优的拼接图像。     

基于欧氏聚类的三维激光点云田间障碍物检测方法

为满足目前农业机械(简称农机)自动驾驶中农田障碍物检测的需求,提出了一种使用三维激光雷达检测田间障碍物的方法.该方法首先对采集的环境点云进行预处理,采用体素栅格下采样滤波,将稠密的点云在不损失特征信息的情况下进行减量;采用三维长方体对角点划定感兴趣区域以便快速计算;采用随机采样一致性(RANSAC)算法检测出农田地面点...