直驱式电动汽车专用底盘后副车架设计与优化

对电动汽车底盘后副车架结构设计做了有限元分析和优化.经对后副车架结构设计的参数化,利用NX10.0软件高级仿真模块进行了有限元分析.使用模型选择、材质指派、网格单元建立、约束施加和载荷添加等一系列操作,使所设计的后副车架在强度足够的情况下把轻量化作为优化目标,获取优化结果.结果表明,此后副车架的设计结构以及后期优化均达...     

基于轻量化YOLOv4的生猪目标检测算法

针对目前生猪目标检测算法模型较大,实时性差导致其难以在移动终端中应用等问题,将一种改进的轻量化YOLOv4算法用于生猪目标检测.在群养猪环境下以不同视角和不同遮挡程度拍摄生猪图像,建立生猪目标检测数据集.基于轻量化思想,在YOLOv4基础上缩减模型大小.结果表明,本研究算法的准确率和召回率分别为96.85％和91.75...     

桁架拱轻钢大棚骨架K型节点受力性能对比与分析

我国北方寒区常发生桁架拱轻钢大棚在暴风、暴雪共同作用下破坏。以桁架拱轻钢大棚骨架的薄弱部位即K型节点[1-3]为研究对象,采用ANSYS有限元分析软件对灌浆K型节点及空心K型节点进行模拟静力分析,同时进行了灌浆K型节点及空心K型节点静力加载试验,验证了有限元分析结果的正确性。分析结果表明,灌浆K型节点与空心K型节点的最大应力均出现在受压支杆与主管焊接处,且灌浆K型节点应力明显小于空心K型节点应力,灌浆改善了桁架拱轻钢大棚骨架K型节点的受力性能,为灌浆桁架拱轻钢大棚骨架的整体分析提供了依据。     

平移式喷灌机组行走速率对喷灌均匀性影响

为研究低压喷灌下喷灌机行、止速率比的合理取值,以自行研制的轻小型移动式喷灌机组为研究对象,通过室内组合喷头试验,探究行、止速率比与喷灌均匀性和喷灌强度的关系。通过spss软件进行方差分析,并采用多重比较分析法,进行差异显著性分析。结果表明:在工作压力为0.07 MPa情况下,行、止速率比对喷灌均匀性系数没有显著性影响,对喷灌强度具有显著性影响。当行、止速率比为45%时,喷灌均匀性系数在85%以上,同时喷灌强度为20.5mm/h,增大行、止速率比可小幅度的增大喷灌强度,60%的行、止速率比下喷灌强度为21.1mm/h,在90%时略有下降,达到19.97mm/h。喷灌强度基本趋于一致,可满足喷灌要求。     

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...     

基于轻量化YOLOv5s的花椒簇检测研究

针对现有花椒簇检测算法模型参数量多、计算量大、检测速度低、很难部署到嵌入式设备的问题,提出一种基于轻量化YOLOv5s的花椒簇检测算法模型。首先将ShuffleNet v2主干网络替代原YOLOv5s中的主干网络进行重构;同时将SPPF嵌入至ShuffleNet v2骨干中;其次引入轻量级注意力机制CBAM;最后使用SIoU＿Loss代替CIoU＿Loss作为回归损失函数。试验结果表明：改进后的轻量化YOLOv5s网络参数降低85.6%,计算量降低87.7%,对花椒簇的检测精度mAP@0.5达到92.6%,较原YOLOv5s模型提高3.4%,mAP@0.5:0.95达到61.4%,检测时间为11 ms,相比原模型16 ms缩短31.3%,可以满足在现场环境下对花椒簇的检测。     

基于轻量化深度学习Mobilenet-SSD网络模型的海珍品检测方法

为精确掌握水下海珍品养殖分布情况,摆脱传统上依赖人工潜水了解海珍品情况的方式,提出了一种基于轻量化深度学习的Mobilenet-SSD网络模型并用于海珍品检测,该方法对在渔船下方的水下摄像头所采集的海珍品图像实时进行目标快速检测.结果表明:采用本研究中建立的Mobilenet-SSD模型,在海胆、海参、扇贝等3种海珍品...     

基于改进YOLOv5s的自然场景下生姜叶片病虫害识别

为提高自然环境下生姜叶片病虫害的识别精确率,提出一种基于改进YOLOv5s的生姜叶片病虫害识别模型。建立了田间不同自然环境条件下的生姜叶片病虫害数据集,为保证模型在田间移动设备上流畅运行,实现网络模型的轻量化,在YOLOv5s中引入GhostNet网络中的Ghost模块和Ghost BottleNeck结构。同时,为避免生姜叶片病虫害图像小目标特征丢失的情况,增强图像特征提取,加入CA注意力机制模块,提升生姜叶片病虫害的识别准确率和定位精确度。改进后的模型参数量、计算量和权重文件大小分别为YOLOv5s模型的52.0%、50.6%和55.2%,对生姜叶片病虫害识别平均精度均值达到了83.8%。与Faster-RCNN、SSD、YOLOv4、YOLOv5s、Tea-YOLOv5s等算法相比,平均精度均值分别提高37.6、39.1、22.5、1.5、0.7个百分点,将改进后的目标检测模型部署在Jetson Orin NX开发板上,并使用TensorRT、Int8量化和CUDA等方法对检测模型加速,加速后的模型检测速度为74.3帧/s,满足实时检测的要求,测试结果显示,改进后的模型减少了漏检、误检的情况,并且对目标定位更加精准,适用于自然环境下生姜叶片病虫害的精准识别,为后续生姜机械自动化施药作业提供技术理论支持。     

基于Workbench板簧支架轻量化设计

板簧支架是连接板簧和车架的主要承载结构,对其进行轻量化设计对于整车的轻量化具有重要的意义.以板簧支架为研究对象,利用SolidWorks软件进行三维建模,通过SoildWorks和Workbench软件之间程序接口,将模型导入Workbench中,利用Static Structural模块、Response surfa...     

基于轻量级SE-PPM的自然状态烟叶正副组分类算法

【目的】针对自然状态烟叶传统正副组分类速度慢、正副组易错分、特征提取困难的问题,提出了一种基于轻量级SE PPM的自然状态烟叶正副组分类算法（SAPMDSNet）。【方法】基于轻量级ShuffleNetV2网络,先通过降低网络卷积深度和进化激活函数,加快网络模型的训练速度;再引入通道注意力机制SE模块,增强通道间的特征差异,提高网络模型的表征能力,避免正副组烟叶叶部区域化导致的组别错分;最后通过嵌入金字塔池化模块PPM充分融合烟叶显露特征与全局信息,增强对正副组烟叶上下文信息的聚合,并采用自行构建的烟叶数据集进行对比试验。【结果】SAPMDSNet网络模型的分类准确率为91.09%,计算量（FLOPs）为151.70 M,取得了相对较高的分类效果。与原网络ShuffleNetV2模型和轻量级GhostNet模型相比,SAPMDSNet网络模型的FLOPs分别升高2.65%和2.84%,而识别准确率则分别提高2.72和21.13个百分点;MobileNetV2、DenseNet和SqueezeNet模型的识别准确率分别为87.02%,89.53%和87.60%,虽均与SAPMDSNet模型的识别准确率接近,但其FLOPs明显较SAPMDSNet模型大。【结论】构建的SAPMDSNet模型能提高烟叶正副组分类精度且具有较好的整体性能,为烤烟烟叶品质初筛提供了新的思路和方法。