关键词： 荔枝   振动采收   图像处理   分离特性   结构优化  

摘要： 为了研究荔枝振动分离特性,以此为基础优化振动器结构,利用往复振动采收装置在不同振动参数下对荔枝进行振动分离试验,并采用MatLab软件分析高速相机拍摄的荔枝运动视频,获得荔枝运动参数(轨迹、速度、加速度等)。为了确定振动机构的最优工作参数,利用Design-Expert软件处理试验数据并得到回归模型,再通过响应曲面分析振动频率、振幅和振动距离对荔枝分离特性(分离时间、碰撞次数和惯性力)的影响,对回归模型进行优化,结果表明:当振动频率为9.7 Hz、振幅为80 mm、振动距离为29.4 mm时,既能保证较短的分离时间又能减轻荔枝果实所受的机械损伤。为了基于最优工作参数对振动器进行结构优化,以采收效率高和损伤小为目标,以尺寸约束、角度约束和强度约束为约束条件,建立多目标优化模型。优化后的振动器为对心曲柄滑块机构,曲柄长度为56 mm,连杆为127 mm,角速度为62 rad/s。经验证,优化后的振动器可以提高采收效率,减少果实所受损伤,为荔枝振动采收器的设计提供依据。

关键词： 串级控制回路   性能评估   非高斯   图像质量评价   麻雀算法   系统辨识  

摘要： 为了对串级系统进行准确快速的性能评估,并改进熵指标平移不变性的缺点,基于图像处理中图像质量评价相关知识提出了新的性能指标;同时,针对传统系统辨识算法不够准确与快速的问题提出了一种混合麻雀算法。首先,基于最小方差理论对串级系统进行丢番图方程分解,获得系统反馈不变量,从而获得系统的评价基准;其次,通过融合了正余弦思想的混合麻雀算法对系统进行辨识,得到系统的模型参数及主副回路的噪声概率密度函数;最后,将所提新指标与熵指标进行混合,得到适用性更好的混合指标。对处在不同噪声下的串级系统进行仿真验证,仿真结果表明:算法的准确性有了明显提升,同时算法运行速度提升了11.98%,新指标的评估结果也比熵指标更加合理。

关键词： 目标跟踪   自注意力   特征学习   图神经网络  

摘要： Transformer跟踪器采用全局注意力机制时,常因目标形变导致特征判别性下降,引发目标和背景混淆.针对此问题,文中提出基于动态语义聚类关系建模的目标跟踪方法.首先,构建语义关系建模模块,通过特征空间中局部注意力聚焦语义相近的特征向量,有效抑制目标与干扰背景的错误交互.然后,利用图神经网络捕捉局部关联性,设计动态语义聚类模块,自适应生成语义类别划分,实现动态注意力突出目标和背景的鉴别信息.最后,设计语义背景消除模块,在关系建模过程中有效抑制背景特征干扰,提升跟踪效率.在6个基准数据集上的大量实验表明,文中方法性能较优.

关键词： 条形催化剂   条长分布   数字图像处理   自动检测  

摘要： 条形催化剂的条长分布对催化剂使用过程中的稳定性和活性有较大影响。当前生产过程中需要人工方式定时测量条形催化剂的长度,统计长度分布。人工测量催化剂样品存在系统效率低、误差大的问题。针对该问题提出一种基于数字图像处理算法的条形催化剂检测方法,利用数字图像处理算法对采集的样本图片进行长度检测处理,自动检测出条形催化剂样本长度和条长分布。测试结果表明,基于数字图像处理算法的催化剂检测方法精度高,速度快,可以极大地提高催化剂条长测量效率和准确性。

关键词： 采摘机器人   目标检测   深度学习   智慧农业   方法研究  

摘要： 目标检测是机器人采摘的关键环节,直接影响采摘质量和效率。文章介绍了基于传统数字图像处理技术的自动化检测方法和基于深度学习的目标检测方法,分析了各类检测方法在具体案例中展现出的独特优势和不足,并结合生产实际,探讨基于深度学习的人工智能技术在农业采摘领域的应用前景。

关键词： 图像处理   Canny算子   边缘检测  

摘要： 提出并研究了一种基于Canny算子的改进数字图像边缘检测算法,在Canny算子基础上,引入了自适应高斯滤波及多尺度边缘响应融合策略,以提高边缘检测的鲁棒性和精度。不同噪声水平下的图像实验验证结果表明,改进后的算法在边缘定位精度、抗噪性能以及计算效率方面均优于传统Canny算子,能够更加准确地提取图像中的重要边缘信息。研究为数字图像处理中的边缘检测问题提供了新思路。

关键词： 碳纤维增强基复合材料   毛刺   形态学   钻削   图像处理  

摘要： 制孔加工是CFRP构件机加工处理的常用手段,加工孔的质量直接影响到构件连接强度、装配精度和内应力,对结构整体质量至关重要。但是,由于CFRP特有的不均匀性与各向异性,钻削加工过程中,纤维的断裂与材料的去除具有随机性和不稳定性,由此导致成孔周围普遍存在毛刺缺陷,进而影响加工质量。因此,对CFRP成孔毛刺的识别、评价与控制意义重大。本研究提出了基于极坐标映射的图像处理方法,在保留成孔毛刺原始特征的基础上,排除图像平移、旋转和缩放的影响,提高缺陷识别与评价的便利性;然后,建立了基于伪频谱的成孔轮廓曲线参数化评价方法,通过自然坐标系下成孔轮廓曲线的切向量方向角函数的伪频谱对毛刺现象进行量化;最后,通过实验对提出的理论和方法进行了验证。结果指出,在轮廓曲线伪频谱中,峰值频率能有效反映毛刺尺度,总功率能有效反映毛刺整体数量,钻削过程中纤维切削角将影响毛刺的形态,适当提高主轴转速、减小进给率能有效降低毛刺缺陷。本研究提出的CFRP成孔图像处理方法和毛刺评价指标具备可观的准确性和有效性,有望应用于CFRP构件钻削工艺在线监测等领域,提高成孔质量分析的可靠性和便利性。

关键词： 目标检测   自动化   人工智能   键盘识别  

摘要： 为提升霍尔测试仪的测试效率,本文提出了一种综合应用运动控制、物体检测和机器视觉等技术的智能辅助操控系统,以外接于霍尔测试仪的键盘按钮作为检测目标,并以优化的you only look once(YOLO)v5算法损失函数和检测头的结构改进测试系统,提升检测性能.通过改进机械臂的运动模式,优化运动轨迹,以保证机械臂平稳准确点击目标按钮,完成自动化测试任务.通过以上改进,相机目标检测精度提升了10.8%,达到87.3%;机械臂点击正确率提升了10.0%,达到95.0%;系统辅助霍尔测试仪完成测试成功率提升了20.0%,达到80.0%.

关键词： 无人机   目标检测   SOEP模块   C2f-MDCNv2  

摘要： 随着无人机(UAV)技术的进步,深度学习在无人机航拍目标检测中的应用越来越普遍。然而,复杂背景中小目标检测仍是一个重大挑战。为了解决该问题,文章提出了一种基于SM-YOLOv8n的无人机航拍目标检测方法。首先,提出SOEP(Small Object Enhance Pyramid)模块,利用SPDConv处理P2层特征并结合OmniKernel模块的多分支设计;然后,利用SOEP模块实现了全局上下文和局部细节的均衡获取,通过解耦头输出高性能的检测结果;最后,在SPPF前引入C2f-MDCNv2,通过多路径注意力机制(MCA),有效地利用各路特征,进而充分提取和整合多尺度、多层次的信息。这种设计增强了模块在复杂场景和多尺度目标检测中的表现。在VisDrone2019数据集上进行实验,结果表明,相比原算法,所提方法mAP_(50)提高了3.6%,与其他方法相比也具有明显优势,可更好地应用于无人机航拍目标检测。

关键词： 动态蛇卷积   YOLOv8   道路裂缝   道路安全   目标检测   注意力  

摘要： 针对当前道路损伤检测技术中存在的效率不高、成本过高以及不易于在移动设备上部署等挑战,提出一种基于改进YOLOv8算法的新型道路裂缝检测方法,命名为YOLOv8-RC(YOLOv8-road crack)。所提方法在YOLOv8n的架构基础上,对C2f模块进行改良,引入动态蛇形卷积技术以更精确地识别管状结构特征,同时能够自适应地关注于纤细和弯曲的局部结构。所提算法中新增一种效率高的多尺度注意力机制(efficient multi-scale attention,EMA),有效提升了识别精度。在模型的颈部结构中,加入加权双向金字塔网络(bi-directional feature pyramid network,BiFPN),实现了特征的多尺度融合,优化了算法的精度和效率。在RDD2022_China_MotorBike和RDD2022_Japan两个数据集上的实验结果显示,改进后的YOLOv8n-RC模型的mAP50分别为78.8%和43.8%,较原YOLOv8n模型分别提高了3.9%和3%。所提算法的模型参数总量仅为2.84 M,计算复杂度为7.8 G,从而证明了所提方法的实用性和优越性。