排序方式: 共有16条查询结果,搜索用时 187 毫秒
1.
2.
3.
多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法。针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法。使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7%,召回率为98.2%,mAP50为99.2%,单幅图像检测时间为3.5ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求。针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进:对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框。经测试,改进后Strongsort算法的ID跳变数为14,MOTA为97.698%,IDF1为85.435%,MOTP为75.858%,与原Strongsort相比,ID跳变数减少88%,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径。 相似文献
4.
为实现自动高效获取农作物的生长图像,设计了1种适用于旱田作物的高通量履带式小车图像采集系统。系统采用磁导引传感器和磁条实现小车在田间按路径自动行走;采用履带式小车底盘结构以保证系统在田间复杂环境下能稳定运行;在小车支架两侧分别安装俯视和侧视相机,可同时采集2个作物行的俯视图和侧视图,以提高工作效率;运用无线通信技术远程监控小车运行情况;系统顶端安装太阳能电池板,为小车在运行时补充电能。以盆栽玉米植株为研究对象,用该系统采集了玉米幼苗期到抽穗期的植株图像,结果表明,该系统运行稳定可靠,在旱田以0.1m/s速度作直线行驶时,绝对误差小于2cm,最小转弯半径为0.5m,连续采集模式下单个相机采集效率为30张/min,能满足实际需求。 相似文献
5.
6.
7.
8.
9.
本文介绍了在.NET框架下把WebGIS技术与信息管理技术相结合应用于具地理性特点的信息管理系统的一种实现方法,并以资产管理信息系统为例给出了信息管理WebGIS的一种解决方案。文章着重讨论了系统的体系结构和功能,并阐述了系统实现的关键技术。 相似文献
10.
基于运动恢复结构的玉米植株三维重建与性状提取 总被引:1,自引:0,他引:1
针对传统的玉米植株性状测量方法存在主观性强、劳动强度大、有损伤等问题,提出了基于运动恢复结构(Structure from motion,Sf M)的户外玉米植株三维重建方法,并提取了株高、单株最小包围盒体积、茎粗、叶面积、叶片数、叶夹角等11个性状参数。采用前期研制的小车,在户外采集不同视角下的玉米植株图像(采集间距为5~6 cm),基于Sf M算法获取玉米植株三维点云;运用直通滤波、圆柱拟合和条件欧氏聚类算法自动分割单株、茎秆和叶片等点云数据,基于距离最值遍历、三角面片化等算法实现株高、茎粗、叶面积等11个性状的准确、无损测量。结果表明,与人工测量值相比,测得的株高、茎粗和叶面积的平均绝对百分比误差分别为3. 163%、4. 760%和19. 102%,均方根误差分别为3. 557 cm、1. 540 mm、48. 163 cm2,决定系数分别为0. 970、0. 842、0. 901。研究表明,本文方法适用于作物表型户外测量,为表型研究提供了一种新的作物表型户外测量方法,同时还证明,株高和单株最小包围盒体积可以显著区分低地上部生物量玉米植株和高地上部生物量玉米植株。 相似文献