排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题,以羊后腿自动去骨分割工序为研究对象,提出一种基于R2U-Net和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的U-Net语义分割网络进行改进,以U-Net为骨架网络,采用残差循环卷积块替换原始U-Net的特征编码模块和解码模块中的卷积块以避免U-Net的梯度消失,在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码,实现缝匠肌图像分割模型的构建。一方面,针对缝匠肌这一核心目标肌肉区,采集羊后腿图像构建数据集训练与测试本文模型,以验证该方法的准确性与实时性;另一方面,通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径,并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动,验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明:当交并比为0.8588时,本文方法平均精确度为0.9820,优于R2U-Net的(0.8324,0.9775);单样本检测时间平均为82ms,说明本文方法可快速、准确分割出缝匠肌图像,满足机器人自主分割系统的实时性要求,优于U-Net、R2U-Net、AttU-Net算法。最后,在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验,机器人对5条羊后腿的平均切削时间为7.9s,平均偏移距离为4.36mm,最大偏移距离不大于5.9mm,满足羊后腿去骨分割的精度要求。 相似文献
2.
3.
本研究通过建立基于信息对称、面向农产品的电子标签元数据集、面向农产品的电子标签二级信息编码标准、农产品一电子标签标贴搭配标准,设计农产品物流信息数据中心,并开发"农产品安全追踪与物流资讯平台"系统,对于提高我国农产品的生产质量安全、流通控制、安全消费、消费者权益保障和增强我国农产品在世界农产品全球化市场环境中的竞争力有着长远和重要的意义. 相似文献
4.
苏太猪ESR基因多态性及其与繁殖性能的关联分析 总被引:2,自引:1,他引:2
本研究采用PCR-RFLP方法对苏太猪的ESR基因PvuⅡ位点多态性进行检测,并分析其与繁殖性能间的关系。结果表明,ESR基因的3种基因型AA、AB、BB在苏太猪中的频率分别为0.089、0.570、0.341;其中在初产母猪中,AA基因型个体的产活仔数(NBA)和初生窝重(BLW)显著高于AB、BB基因型的个体(P0.05);在经产母猪中,AA基因型个体的总产仔数(TNB)及断奶成活数(NW)显著高于AB和BB基因型的个体(P0.05),AA和AB基因型与BB基因型之间的断奶窝重(WWL)差异显著(P0.05);总体上苏太猪ESR基因PvuⅡ3种基因型个体的繁殖性状存在AAABBB的趋势。 相似文献
5.
针对羊胴体后腿骨肉边界未知、尺寸多变和可见性约束限制造成的机器人自主分割精确度低与易受阻卡住的问题,提出一种羊胴体后腿自适应分割控制方法,并开展羊胴体后腿分割试验进行验证。该方法以接触状态感知为核心,有效提取接触类型特征、接触异常度特征和接触方向特征,通过构建深度时空神经网络识别接触类型,构建深度自编码网络估计接触异常度,采用主成分分析方法检测主要接触方向,实现接触状态多模态感知,机器人通过动态运动基元模仿学习人类操作技能,并结合接触状态感知信息实现关节运动的自适应调节。试验结果表明:深度时空网络模型在羊胴体后腿分割验证集上的识别准确率为98.44%;深度自编码网络模型能够较好地估计验证集样本的接触异常度,区分不同的接触状态。机器人基于自适应分割控制方法开展实际分割试验,与对照组相比,最大分割力下降幅度为29 N,最大力矩下降幅度为7 N·m,证明该方法的有效性;平均最大残留肉厚度为3.6 mm,平均分割残留率为4.9%,分割残留率与羊胴体质量呈现负相关,证明该方法具有良好的泛化性和准确性,并且整体分割效果较好,满足羊胴体后腿分割要求。 相似文献
6.
7.
9.
一个偶然的机会,在朋友处看到《蜜蜂杂志》1981年第4期封底的图片,它把我深深地吸引住。我望着王德和夫妇观察蜂王产卵的情景,很羡慕,心想如果我也有这样的晚年,那该多好!我决定试试看,于是从朋友处搞到两框中蜂,走出了养蜂的第一步。白手起家,什么都不懂,我只能依葫芦画瓢,照着人家教的办法做。第一年,蜜蜂发展到六框,收了六斤蜜。可是后来蜂群患了中囊病,这几框蜂基本报销了。后来遇上养蜂几十年的一位老朋友,他送我三框意蜂,耐心地教我。我又 相似文献
10.