高频无线遥控训犬仪在“禁止”科目中的应用

应用公安部南京警犬研究所和无锡市帆鹰警用器材新技术有限公司研制的FTCD-11脖圈,具有鸣叫、电击、驱虫、语音、振动、闪烁等功能任选,可进行多种科目训练,本研究着重进行警犬的“禁止”训练。通过研究发现,FTCD-11脖圈使训练方法简便易行,能有效提高警犬训练的成功率。     

冰下捕捞无线遥控牵引机的研究与探讨

在我国大部分地区,冬季捕捞是湖泊水库及其它大水面渔业生产的重要环节。仅以镜泊湖水产养殖场为例,冰下捕鱼拉网作业已实现了机械化,进入八十年代初,冰下引网作业由于引进使用电动穿索器,从而在很大程度上降低了工时和劳动强度,缩短了网次时间,提高了工作效率。 目前,镜泊湖冬渔生产使用的这种穿索器,由于受到机械发电机和电力传输线的制约,每前行一次,都必须把电线从冰眼中全部拉出,既费时费力,电线又受冻脆裂容易折断,甚至短路,烧     

无线传感网络系统在设施栗蘑生产中的应用试验

通过利用无线传感网络系统与不利用该系统栽培栗蘑的对比,结果表明,利用该系统降低了人工成本,提高了产量和品质,降低了生产风险。     

闸门与水位自动监控系统的设计与实现——基于PLC、组态软件和无线宽带通信

提出了闸门与水位自动监控系统的组网方案.设计了基于PLC技术的闸门控制和水位监视单元.利用PLC中CPU模块所内置的以太网卡和搭建的无线宽带通信系统实现了PLC和控制中心上位机的通信,并使用力控组态软件编制了上位机的控制界面,实现了以PLC、组态软件和无线宽带通信系统构成的监控系统对张掖市盈科灌区的党寨水管站与沿沟水管站的干渠与支渠的闸门与水位的自动监控.实践证明本系统达到了操作方便,性能稳定,自动化程度较高的控制效果.     

基于二叉决策树分类模型的草原牛行为识别

为了解决人工监测草原放牧牛运动行为工作量大、监测精度低的问题,试验提出一种基于二叉决策树分类模型的草原牛行为识别方法,即选取草原牛颈部三轴加速度计采集数据的X轴、Y轴、Z轴方差、均方根、平均值及三轴总体的矢量幅度(signal vector magnitude, SVM)和幅度(singal magnitude area, SMA)共11种统计特征量来构建查准率-查全率曲线(P-R曲线),通过P-R曲线获取各统计特征量所对应的最优行为类别分组方式及最优阈值,利用信息增益作为选择标准来构建二叉决策树分类模型,运用此模型对草原牛的躺卧、反刍、采食及慢走四种运动行为进行分类识别,并与K-均值(K-means)聚类算法比对。结果表明：K-means聚类算法只能识别躺卧行为,难以区分反刍、采食及慢走三种运动行为,但二叉决策树分类模型能够有效地将躺卧和慢走行为从躺卧、反刍、采食及慢走四种行为中识别出来,查准率和查全率均达到0.760以上。说明二叉决策树分类模型较常用的K-means聚类算法可更有效地完成草原牛行为分类,并且准确率更高。     

基于遗传算法的遥感数字图像镶嵌研究

遥感数字图像的镶嵌处理是遥感图像处理的基本工作之一，为此介绍了一种基于遗传算法确定图像重叠区和调整图像色度，以辅助完成遥感图像的镶嵌工作的新方法。     

针对原木CT图像的一种中值滤波

在对传统的中值滤波和原木CT图像的特点的研究基础上,发现单纯地用中值滤波算法或均值滤波难以同时尽可能地消除混合噪声。针对这一问题,提出了一种改进的自适应中值滤波算法。对于不同的图像区域,算子也相应地有所不同,其中算子中的权值选取依赖于区域的灰度中值,且当某点的灰度越接近灰度中值,其权值就相应地越大。实践证明,新算法的处理结果优于传统的滤波算法和均值滤波,具有准确性和实时性。     

构建VED-SegNet分割模型提取鱼类表型比例

为提高鱼类表型分割精度和准确度,实现鱼类表型智能监测,该研究基于深度学习算法构建了VED-SegNet模型用于鱼类表型分割和测量。该模型将cross stage partial network和GSConv结合作为编码器（VoV-GSCSP）,保持足够精度的同时降低网络结构复杂性。另一方面,该模型采用EMA(efficient multi-scale attention module with cross-spatial learning)建立强化结构,加强编码器和解码器之间的信息传递,提高模型精度,并实现了8个表型类别的输出。采用自建的鱼类表型分割数据集对VED-SegNet模型进行了测试,测量结果中鱼类各表型比例与实际测量值相接近,表型最大平均绝对和平均相对误差为0.39%、11.28%,能实现无接触式提取水产养殖中鱼类表型比例。对比其他常见语义分割模型,平均交并比mean intersection over union,mIoU和平均像素准确率mean pixel accuracy,m PA最高,分别到达了87.92%、92.83%。VED-SegNet模型在环境复杂、多鱼重叠的...     

改进YOLOv5s对病理学图像中猪只小肠绒毛的检测

为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进YOLOv5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合池化对空间金字塔进行优化,增强特征提取与特征表达,提升检测精度;然后引入一种基于注意力机制的网络模块(simpleattentionmechanism,SimAM)与Bottleneck中的残差连接相结合,使用SimAM对Bottleneck中的特征图进行加权,得到加权后的特征表示,利用注意力机制加强模型对目标的感知。试验结果表明,该研究算法的平均精度（average precision）和每秒传输帧数（frame per second,FPS）达到92.43%和40帧/s。改进后的YOLOv5s在召回率和平均精度上相较改进前提高2.49和4.62个百分点,在不增加模型参数量的情况下,每帧图片的推理时间缩短1.04 ms。与经典的目标检测算法SSD、Faster R-CNN、YOLOv6s、YOLOX相比,平均精度分别提高15.16、10.56、2.03和4.07...     

基于机器视觉的黄花菜图像深度计算

黄花菜人工采摘存在劳动强度大、成本高、无法适应规模化生产需求、采摘设备缺乏等问题。该文针对智能采摘设备视觉系统开展了深度图像计算研究。基于田间黄花菜图像,分别采用SGBM算法、BM算法进行图像匹配、视差计算和深度计算。结果表明,SGBM算法计算结果的绝对误差范围为-1～1.6 mm,BM算法计算结果的绝对误差范围为-3.1～3.5 mm,SGBM算法计算结果优于BM算法,BM算法的运行效率高于SGBM算法。采用的两种方法深度计算绝对误差均小于5 mm,满足采摘设备使用需求,可为研发自动采摘设备提供技术支撑。