基于残差卷积神经网络模型的勺嘴鹬动作识别

为开启海南热带地区鸻鹬类涉禽的动作识别以及其他野生鸟类行为学自动识别的研究,建立了基于野外采集影像的勺嘴鹬(Eurynorhynchus pygmeus)动作图像数据集。该数据集由表达勺嘴鹬主要行为模式的9种动作标签组成;同时利用ResNet50、ResNet101和ResNet152共3种残差卷积神经网络模型尝试对勺嘴鹬的动作进行自动识别。结果表明,ResNet50、ResNet101、ResNet152测试集准确率分别为96.90%、96.94%和96.90%,说明3种模型都能对勺嘴鹬图像进行快速准确的动作识别。     

家具生产线射频识别技术的信息采集与应用

在家具生产线中应用先进的自动识别技术,是实现家具企业智能制造的关键。虽然近年来家具生产线自动化水平在不断提高,但由于家具企业的生产规模和类型之间还存在较大的差异化,大部分的家具生产车间还是依靠人工采集或张贴条码的方式来传递生产过程中的信息,这种传统的信息采集模式,不仅会造成人力资源的浪费,提高劳动重复率,增加随机性和错误率,还会导致企业生产成本提高,生产时效性差进而影响企业生产效率。为解决传统家具生产中信息采集与实时传递的问题,提出将射频识别(RFID)技术应用在家具生产线的信息采集过程中。对家具生产线信息采集的发展和问题进行了分析梳理,通过对射频识别技术的内涵、系统架构以及将其应用在家具行业的应用优势和应用现状的分析,确定了射频识别技术在家具生产线中应用的可行性。最后以板件生产为例,对射频识别技术在板件生产过程中的信息采集及传递过程进行了详细解读,为未来家具企业车间智能制造自动化信息采集方法提出参考依据。