检索结果-维普期刊中文期刊服务平台

基于机器视觉技术的智能清选装置现状及展望被引量：1: 1; 作者徐英凯付晓明万秀全《农机使用与维修》 2025年第4期39-44,共6页; 随着人工智能和图像识别技术的迅速发展,基于机械视觉的智能清选装置在农业自动化领域展现出巨大的潜力和应用前景。该文以机器视觉技术为基础阐述了智能清选装置的基本原理与特征,分析了智能清选装置在农业和工业领域的应用现状,探讨... 展开更多; 关键词机械视觉图像识别人工智能清选装置深度学习; 在线阅读下载PDF 职称材料

面向海洋牧场资源评估的多水下机器人编队控制方法: 2; 作者金兆一宋婧菡 +5 位作者虞逸凡王馨陆春杨志庆李智军林远山《大连海洋大学学报》北大核心 2025年第2期318-329,共12页; 为解决现有的编队控制方法大多依赖精确的多水下机器人运动学或者动力学模型,设计了一种基于多智能体深度确定性策略梯度(MADDPG)的多水下机器人编队控制方法。首先,将N个水下机器人划分为1个领航者和N-1个跟随者,并构建基于领航者-跟... 展开更多; 关键词多水下机器编队控制领航者跟随者架构深度强化学习; 在线阅读下载PDF 职称材料

基于混合CNN-Transformer模型的板材缺陷图像检测研究: 3; 作者徐思同张妤《林业机械与木工设备》 2025年第4期52-55,共4页; 板材缺陷检测是板材加工的重要工序之一,实现木材板材缺陷的自动检测是高质量板材加工的前提,而板材缺陷图像的识别是这个技术的难点。优选锯并未完全实现自动化技术,在生产过程中,仍需人工对木材板材缺陷进行划线处理,为缓解人工压力,... 展开更多; 关键词板材缺陷分类深度学习 CNN Transformer 半监督学习; 在线阅读下载PDF 职称材料

基于深度学习的无人机航拍目标检测与跟踪方法综述被引量：16: 4; 作者欧阳权张怡 +2 位作者马延薛雅丽王志胜《电光与控制》 CSCD 北大核心 2024年第3期1-7,共7页; 基于视觉的目标检测与跟踪方法是当前最火热的研究方向之一。近年来,随着无人机技术的快速发展,利用无人机航拍技术进行目标检测与跟踪也成了研究的热点。对于无人机目标检测,首先探讨了无人机航拍目标检测与跟踪任务的复杂性和难点,并... 展开更多; 关键词无人机目标检测目标跟踪深度学习; 在线阅读下载PDF 职称材料

基于深度强化学习的可信任务卸载方案被引量：2: 5; 作者石琼段辉师智斌《计算机工程》 CAS CSCD 北大核心 2024年第8期142-152,共11页; 针对移动边缘计算(MEC)中边缘服务器是否可信的安全性问题,以及基于深度强化学习(DRL)的任务卸载方案存在收敛慢、波动大的难题,提出一种基于信任感知和DRL算法的任务卸载方案。首先,构建基于客观信息熵和历史卸载次数组合赋权的多源反... 展开更多; 关键词移动边缘计算任务卸载网络安全深度强化学习信任机制; 在线阅读下载PDF 职称材料

题名基于机器视觉技术的智能清选装置现状及展望被引量：1: 1; 作者徐英凯付晓明万秀全; 机构黑龙江八一农垦大学农业农村部大豆机械化生产重点实验室北大荒集团黑龙江红色边疆农场有限公司; 出处《农机使用与维修》 2025年第4期39-44,共6页; 基金 2023年黑龙江省大学生创新训练项目(S202310223097) 农业农村部大豆机械化生产重点实验室开放课题(SMP202208) +1 种基金黑龙江八一农垦大学学成、引进人才科研启动计划项目(XYB201806)。; 文摘随着人工智能和图像识别技术的迅速发展,基于机械视觉的智能清选装置在农业自动化领域展现出巨大的潜力和应用前景。该文以机器视觉技术为基础阐述了智能清选装置的基本原理与特征,分析了智能清选装置在农业和工业领域的应用现状,探讨了智能清选装置未来的发展趋势,总结了智能清选装置的重要性和发展前景,提出了该领域未来可能面临的挑战和机遇。; 关键词机械视觉图像识别人工智能清选装置深度学习; Keywords mechanical vision image recognition artificial intelligence cleaning device deep learnin; 分类号 S232 [农业科学—农业机械化工程]; 在线阅读下载PDF 职称材料

题名面向海洋牧场资源评估的多水下机器人编队控制方法: 2; 作者金兆一宋婧菡虞逸凡王馨陆春杨志庆李智军林远山; 机构大连海洋大学信息工程学院大连海洋大学大连市智慧渔业重点实验室大连海洋大学设施渔业教育部重点实验室(大连海洋大学) 广西民族大学材料与环境学院贵港市荣创木业有限公司; 出处《大连海洋大学学报》北大核心 2025年第2期318-329,共12页; 基金广西壮族自治区重点研发计划(桂科AB23075150) 辽宁省教育厅基本科研项目(LJKZ0730,QL202016) +1 种基金辽宁省重点研发计划(2020JH2/10100043)。; 文摘为解决现有的编队控制方法大多依赖精确的多水下机器人运动学或者动力学模型,设计了一种基于多智能体深度确定性策略梯度(MADDPG)的多水下机器人编队控制方法。首先,将N个水下机器人划分为1个领航者和N-1个跟随者,并构建基于领航者-跟随者架构的马尔可夫决策过程(MDP)模型,对多水下机器人的编队控制进行建模;然后,利用机器人自身的位置和速度信息及其他机器人之间的相对位置信息作为观测,并通过机器人的受力来表达其动作;最后,通过领航者与目标位置的距离、跟随者与领航者的距离、跟随者之间的距离等信息构建奖励函数,兼顾个体和系统层级的奖励。结果表明,基于该方法所习得的多水下机器人编队控制策略能够产生类似生物集群的协同运动模式,在编队稳定性和路径优化方面优于其他深度强化学习算法。研究表明,该策略无须精确的运动学或动力学建模,具备行为灵活、分布式执行能力强以及良好的泛化能力,是一种有效的多水下机器人编队控制方法。; 关键词多水下机器编队控制领航者跟随者架构深度强化学习; Keywords multiple underwater robots formation control leader and follower architecture deep reinforcement learnin; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于混合CNN-Transformer模型的板材缺陷图像检测研究: 3; 作者徐思同张妤; 机构东北林业大学计算机与控制工程学院; 出处《林业机械与木工设备》 2025年第4期52-55,共4页; 文摘板材缺陷检测是板材加工的重要工序之一,实现木材板材缺陷的自动检测是高质量板材加工的前提,而板材缺陷图像的识别是这个技术的难点。优选锯并未完全实现自动化技术,在生产过程中,仍需人工对木材板材缺陷进行划线处理,为缓解人工压力,借助摄像机和计算机代替工人,对板材上存在的缺陷进行识别和分类,提出了一种基于异构架构协同的半监督分割方法,创新性地构建了双分支网络框架,通过交叉教学策略实现有限标注信息的高效利用,旨在解决标注数据稀缺条件下模型性能受限的难题。实验结果证明,相比于其他方法该模型对板材缺陷图像的识别分类更具有稳定性。; 关键词板材缺陷分类深度学习 CNN Transformer 半监督学习; Keywords plate defect classification deep learning CNN Transformer semi-supervised learnin; 分类号 TP242 [自动化与计算机技术—检测技术与自动化装置] S776 [农业科学—森林工程]; 在线阅读下载PDF 职称材料

题名基于深度学习的无人机航拍目标检测与跟踪方法综述被引量：16: 4; 作者欧阳权张怡马延薛雅丽王志胜; 机构南京航空航天大学自动化学院西北工业大学软件学院; 出处《电光与控制》 CSCD 北大核心 2024年第3期1-7,共7页; 基金国家自然科学基金(61473144)。; 文摘基于视觉的目标检测与跟踪方法是当前最火热的研究方向之一。近年来,随着无人机技术的快速发展,利用无人机航拍技术进行目标检测与跟踪也成了研究的热点。对于无人机目标检测,首先探讨了无人机航拍目标检测与跟踪任务的复杂性和难点,并着重介绍了以深度学习为基础的目标检测算法;针对无人机目标跟踪技术,深入探讨了以相关滤波为基础和以深度学习为基础的两种判别式目标跟踪算法;最后,总结并展望了在无人机领域目标检测与跟踪技术的应用前景。; 关键词无人机目标检测目标跟踪深度学习; Keywords UAV target detection target tracking deep learnin; 分类号 V219 [航空宇航科学与技术—航空宇航推进理论与工程]; 在线阅读下载PDF 职称材料

题名基于深度强化学习的可信任务卸载方案被引量：2: 5; 作者石琼段辉师智斌; 机构中北大学计算机科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2024年第8期142-152,共11页; 基金山西省应用基础研究计划(自由探索类面上项目)(20210302123075) 公安部重点实验室基金(2023FMKFKT01)。; 文摘针对移动边缘计算(MEC)中边缘服务器是否可信的安全性问题,以及基于深度强化学习(DRL)的任务卸载方案存在收敛慢、波动大的难题,提出一种基于信任感知和DRL算法的任务卸载方案。首先,构建基于客观信息熵和历史卸载次数组合赋权的多源反馈信任融合模型,用于聚合信任反馈信息,评估边缘服务器的可信度;然后,利用基于优先级经验采样的优先经验回放(PER)-SAC算法,将基站作为智能体,负责计算任务的卸载决策。实验结果表明,该方案相较于TASACO、SRTO-DDPG和I-PPO方案,具有更优的性能和更好的收敛性,其累积奖励、时延和能耗指标均为最优,且其收敛速度更快、波动幅度更小,在多个测试场景下,相较于TASACO方案能耗性能最少提升5.8%,最大提升32.2%,时延性能最少提升8.5%,最大提升21.3%。; 关键词移动边缘计算任务卸载网络安全深度强化学习信任机制; Keywords Mobile Edge Computing(MEC) task offloading network security deep Reinforcement learnin(g DRL) trust mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于机器视觉技术的智能清选装置现状及展望	徐英凯付晓明万秀全	《农机使用与维修》	2025	1	在线阅读下载PDF 职称材料
2	面向海洋牧场资源评估的多水下机器人编队控制方法	金兆一宋婧菡虞逸凡王馨陆春杨志庆李智军林远山	《大连海洋大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于混合CNN-Transformer模型的板材缺陷图像检测研究	徐思同张妤	《林业机械与木工设备》	2025	0	在线阅读下载PDF 职称材料
4	基于深度学习的无人机航拍目标检测与跟踪方法综述	欧阳权张怡马延薛雅丽王志胜	《电光与控制》 CSCD 北大核心	2024	16	在线阅读下载PDF 职称材料
5	基于深度强化学习的可信任务卸载方案	石琼段辉师智斌	《计算机工程》 CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料