排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
一般来说,用户在为农机具选择配套动力时,会根据农机具需要动力的大小而选择相应功率的发动机。对于发动机功率的大小则会根据其铭牌标识和使用说明书明示来确定,而大多数用户会根据发动机铭牌来确定,因为铭牌标识清楚明白,容易观察。这种思路是正确的,但有时候据此方法选择的动力与农机具并不完全配套。原因在于用户在购买发动机时对发动机的标定功率理解不够全面,导致对动力的选择产生影响。 相似文献
7.
8.
10.
含杂率是小麦机械化收获重要指标之一,但现阶段我国小麦收获过程含杂率在线检测难以实现。为了实现小麦机械化收获过程含杂率在线检测,本文提出基于结合注意力的改进U-Net模型的小麦机收含杂率在线检测方法。以机收小麦样本图像为基础,采用Labelme手工标注图像,并通过随机旋转、缩放、剪切、水平镜像对图像进行增强,构建基础图像数据集;设计了结合注意力的改进U-Net模型分类识别模型,并在torch 1.2.0深度学习框架下实现模型的离线训练;将最优的离线模型移植到Nvidia jetson tx2开发套件上,设计了基于图像信息的含杂率量化模型,从而实现小麦机械化收获含杂率在线检测。试验结果表明:针对不同模型的训练结果,结合注意力的改进U-Net模型籽粒和杂质分割识别F1值分别为76.64%和85.70%,比标准U-Net高10.33个百分点和2.86个百分点,比DeepLabV3提高10.22个百分点和11.62个百分点,比PSPNet提高18.40个百分点和14.67个百分点,结合注意力的改进U-Net模型对小麦籽粒和杂质的识别效果最好;在台架试验和田间试验中,装置在线检测含杂率均值分别为1... 相似文献