用于体质量估测的黄羽鸡姿态关键帧识别与分析

体质量是评价家禽生长状况的关键指标,但家禽姿态的变化会影响体质量估测精度。本研究提出了一种SE-ResNet18+fLoss网络对平养模式下黄羽鸡姿态关键帧进行识别,融合了注意力机制SE模块和残差结构,并改进了损失函数,通过Focal Loss监督信号来解决样本不平衡问题,同时引入梯度加权类激活图对末端分类规则的合理性进行解释。利用4 295幅鸡只图像构建数据集,测试集中鸡只的站立、低头、展翅、梳理羽毛、坐姿和遮挡6类姿态情况识别的F1值分别为94.34%、91.98%、76.92%、93.75%、100%和93.68%;黄羽鸡姿态关键帧的识别精确率为97.38%、召回率为97.22%、F1值为97.26%、识别速度为19.84 f/s,识别精度、召回率和F1值均优于ResNet18、MobileNet18 V2和SE-ResNet18网络,在提高黄羽鸡姿态关键帧识别精度的同时保证了实时性,为准确估测家禽体质量提供了技术支持。     

基于高速摄像技术种子吸附姿态对排种性能的影响

以食葵种子为对象,采用理论分析、高速摄像技术与试验台试验相结合的方法,对影响种子吸附姿态的因素及吸附姿态对排种性能的影响进行研究。结果表明:1)种子中部被吸附且长轴方向与排种盘吸孔的切线方向重合时(姿态一)所需吸力最小,通过高速摄像观察发现姿态一为吸附最佳姿态。在6种排种盘转速和真空度下处于姿态一的种子所占比例的平均值分别为76.5%、80%,即姿态一为主要吸附姿态;2)种子处于姿态一的比例越高,排种性能越好,种子吸附姿态的比例与排种盘转速及真空度有关;3)种子的吸附姿态影响投种方式,投种方式不同导致投种高度和投种角度不同,最终产生粒距差异性。     

汽车车身内部布置舒适性评价方法研究

车身内部布置是一个经常需要反复协调、修改、完善与评价的过程,汽车舒适性评价是车身内部布置中的一项重要内容.通过建立坐姿舒适性评价模型和内部空间评价模型,并根据模糊综合评判原理建立乘坐舒适性综合评判方法.利用内部空间尺寸作为评价指标对内部空间舒适度进行模糊评价,以此来建立内部空间舒适性评价模型.实现了对汽车内部布置舒适性的评价,并以实例验证了其实用性.     

基于Kinect相机的猪体理想姿态检测与体尺测量

为提高基于机器视觉的猪体体尺测量研究中的图像利用率和体尺测量效率,以长白猪和大白猪为研究对象,基于Kinect相机获取的猪体视频数据,提出了一种猪体理想姿态检测算法。该算法利用最小外接矩形法调整猪体为水平方向;利用投影法和差分法识别头部和尾部位置,通过头部边界标记法判断是否耳部缺失;利用骨骼化算法结合霍夫变换算法检测猪体头部是否歪斜。在此基础上,设计了猪体体尺测量算法。针对养殖场获取的103组视频数据、俯视和侧视各52 016帧图像,进行了理想姿态检测及体尺测量。结果表明,检测出理想姿态2 592帧、漏报432帧、误报0帧,误报率较低;每帧图像的体长偏差与本组体长均值小于2. 3%,组内理想姿态帧之间差异较小,一致性较好;体宽测量的平均精确度为95. 5%,体高测量的平均精确度为96. 3%,体长测量的平均精确度为97. 3%,测量的平均准确度较高。本研究成果应用于基于机器视觉的猪体体尺测量,可提高图像利用率和体尺测量效率。     

连续体采摘机械臂末端静态承载姿态等效模型建立与验证

针对连续体采摘机械臂收获作业中末端负载时的姿态变形问题,该文提出一种求解连续体采摘机械臂末端负载姿态变形的等效方法,结合大挠度变形理论和单位力原理建立了连续体采摘机械臂负载姿态变形的标准数学模型函数,通过建立系统性多参数承载性能试验,验证了所提出的弯曲姿态变形函数模型的准确性,其误差均在7.8%范围内。分析归纳了连续体采摘机械臂在不同弯曲角参数和末端负载质量参数对模型误差的影响规律,并根据负载性能试验结果得出分析可知,连续体采摘机械臂末端负载时为50 g时,其理论模型姿态与试验姿态末端位置误差最小可至3.8%,负载质量的增加至150 g时,其误差最小可至7.2%,该研究可为连续体采摘机械臂收获作业的准确定位提供可靠的控制理论基础。     

基于DEM的坡面姿态分析与制图

数字高程模型DEM在各行业和领域已经得到了广泛的应用。本文构建了区域DEM,并借助ArcGIS软件对其进行了坡面姿态地形分析,通过坡度和坡向提取与分析,得到了区域的坡度组成和平均坡度,并实现了区域坡面姿态的制图应用。     

基于人体姿态估计与场景交互的果园喷施行为检测方法

果园农药施用情况是果品质量安全的重要检验标准,农药喷施行为的可靠记录是果品溯源体系的重要环节。针对我国目前常见的果品种植专业合作社中难以确切掌握农药施用真实情况的问题,本研究提出了一种基于人体姿态估计与场景交互的果园背负式喷施行为检测方法。首先采用微调后的YOLO v5模型完成背负式喷雾器与果树目标的精确检测,提取场景交互特征;之后采用OpenPose模型识别喷施人员姿态及动作信息,提取人体姿态特征;最后对上述特征分别进行距离和角度计算,将其融合为11 244组特征向量并使用优化后的支持向量机(Support vector machine, SVM)进行训练,完成果园喷施行为的准确检测。为了验证算法的有效性,对包含不同光照、不同距离、不同人数和不同遮挡程度等的92段视频进行了测试。试验结果表明,该算法的准确度为85.66%,平均绝对误差为42.53%,均方根误差为44.59%,预测标准偏差为44.34%,以及性能偏差比为1.56。同时,本研究对不同光照、遮挡、距离变化和多人中单人喷施情况下的果园喷施行为识别的有效性进行了分析。试验结果表明,将该模型用于果园喷施行为的检测是可行的,本研究...     

基于图像特征融合的农事活动行为的识别

针对农事活动图像中人体姿态所隐含的行为信息以及人与农具所隐含的关联信息,提出了一种基于图像特征融合的农事活动行为的识别方法：利用人体姿态估计技术OpenPose提取农事行为关节点位置信息,利用目标检测YOLOv3提取农事行为中农具的位置和分类信息,用以构建农事行为的距离空间特征矩阵和角度空间特征矩阵,并将这些特征进行图像特征融合,建立基于图像显式特征和隐式特征融合的农事活动行为识别方法EI–SVM,实现农事活动行为的识别。试验结果表明,EI–SVM方法对农事活动行为识别的准确率可达94.87%,在公用数据集上准确率达到92.39%。     

Relationships between Grain Yield, Flag Leaf Morphology, Carbon Isotope Discrimination and Ash Content in Irrigated Wheat

The purpose of this study was to examine how differences in leaf angle, leaf rolling (LR) and glaucousness (GL) can modify yield components and leaf physiological traits in wheat. A set of 167 lines derived from a cross between two high‐yielding bread wheat cultivars differing for these traits was grown under flood irrigation and high evaporative demand in the north‐west of Mexico. Area, mass per unit area and chlorophyll content of the flag leaf were assessed. Carbon isotope discrimination (Δ) and ash content (m_a) were also measured. A significant correlation was found between grain yield (GY) and both Δ and m_a suggesting that, despite well‐watered conditions, leaf stomatal conductance was the main yield‐limiting factor. Leaf posture and LR did not significantly affect yield, Δ and m_a. Higher grain weight was noted, however, in lines with droopy flag leaves. Erect leaves had higher mass per unit area. GL was associated with a significant increase in GY and grain weight. Glaucous lines also had higher Δ and m_a, suggesting higher transpiration rate and lower transpiration efficiency. The study confirms that Δ and m_a represent promising criteria for GY in wheat and provides evidence that GL can contribute to higher yield, even under irrigated conditions.     

基于MPU6050传感器的哺乳期母猪姿态识别方法

哺乳期母猪姿态是其哺乳意愿的外在表现,母猪哺乳时身体侧卧,拒绝哺乳时身体立卧或倾卧,哺乳期母猪侧卧时间可作为母性行为评价的重要指标。选用集MPU6050和蓝牙传输模块为一体的行为数据采集模块,采集母猪哺乳期内(28 d)的行为数据,统计母猪采食时间段的姿态角,计算节点偏转角度,实现偏转行为数据校正;利用Haar小波提取特征系数重构加速度曲线的基本轮廓,结合各姿态的数值特征,利用支持向量机实现母猪立、侧、倾姿态分类,及其侧、倾姿左右方向的识别。以江苏省地方猪小梅山母猪为试验对象,分析母猪的哺乳姿态,试验结果表明:行为数据校正算法可降低节点偏转的影响,小波变换实现了数据归一化,去除了高能运动干扰,姿态分类器识别左、右侧姿的正确率分别为65.8%、90.1%,立姿的正确识别率为75.4%,侧姿总体正确识别率达到83.3%,姿态识别可以有效反映母猪的哺乳意愿。