当前,全球科技创新呈现高速发展和高度融合的态势。准确识别出颠覆性技术主题以推动全面创新已成为科学技术发展和经济增长的关键动力。然而,传统的颠覆性技术主题识别方法主要依赖于单一模态数据,存在一定的局限性。本文基于CLIP(contr...当前,全球科技创新呈现高速发展和高度融合的态势。准确识别出颠覆性技术主题以推动全面创新已成为科学技术发展和经济增长的关键动力。然而,传统的颠覆性技术主题识别方法主要依赖于单一模态数据,存在一定的局限性。本文基于CLIP(contrastive language-image pre-training)和LDAGV(linear discriminant analysis&global vectors for word representation)模型构建新闻文本与图像特征融合向量,通过k-means聚类迭代并结合3个颠覆性技术主题指标进行筛选,实现了多模态信息的融合以及主题的精准识别。以新能源领域为例,验证了该模型在颠覆性技术主题识别方面的可行性和有效性。与其他单一模态模型相比,多模态信息融合模型在颠覆性技术主题识别方面更具优势。展开更多
目前水果采摘存在劳动力短缺、采摘效率低和作业环境复杂等问题,亟须发展具备高精度感知与自主作业能力的智能化采摘装备,以全面提升果实采摘的效率和质量。传感器技术在水果采摘机器人中的应用包括路径规划、果实识别、定位及抓取控制...目前水果采摘存在劳动力短缺、采摘效率低和作业环境复杂等问题,亟须发展具备高精度感知与自主作业能力的智能化采摘装备,以全面提升果实采摘的效率和质量。传感器技术在水果采摘机器人中的应用包括路径规划、果实识别、定位及抓取控制等关键任务环节。针对非结构化果园环境,视觉、触觉与激光传感器的协同应用可实现目标识别、位置感知与避障控制,显著提升了采摘机器人对复杂环境的适应能力与作业精度,但是现有传感器仍然存在一些技术短板,如视觉传感器易受阳光干扰、枝叶遮挡和果实密集分布等因素影响,导致目标检测困难;触觉传感器易受温湿度影响,难以量化复杂的力学反馈,因而细微抓取力控制困难;由于非结构化环境下的路径优化困难,且激光传感器成本高昂,限制了其大规模应用。同时,单一传感器存在感知维度单一、环境适应性不足和果实特征感知不足等局限,难以适应非结构化果园环境。为此,针对多传感器融合技术面临的数据异构性、时序同步性和计算复杂性等挑战,对传感器技术在水果采摘机器人的未来应用进行了展望,指出融合红外、紫外等多波段成像技术和高动态范围(high dynamic range imaging,HDR)成像技术,柔性电子皮肤结合仿生结构设计的多传感器融合技术有望得到广泛应用。展开更多
文摘当前,全球科技创新呈现高速发展和高度融合的态势。准确识别出颠覆性技术主题以推动全面创新已成为科学技术发展和经济增长的关键动力。然而,传统的颠覆性技术主题识别方法主要依赖于单一模态数据,存在一定的局限性。本文基于CLIP(contrastive language-image pre-training)和LDAGV(linear discriminant analysis&global vectors for word representation)模型构建新闻文本与图像特征融合向量,通过k-means聚类迭代并结合3个颠覆性技术主题指标进行筛选,实现了多模态信息的融合以及主题的精准识别。以新能源领域为例,验证了该模型在颠覆性技术主题识别方面的可行性和有效性。与其他单一模态模型相比,多模态信息融合模型在颠覆性技术主题识别方面更具优势。
文摘目前水果采摘存在劳动力短缺、采摘效率低和作业环境复杂等问题,亟须发展具备高精度感知与自主作业能力的智能化采摘装备,以全面提升果实采摘的效率和质量。传感器技术在水果采摘机器人中的应用包括路径规划、果实识别、定位及抓取控制等关键任务环节。针对非结构化果园环境,视觉、触觉与激光传感器的协同应用可实现目标识别、位置感知与避障控制,显著提升了采摘机器人对复杂环境的适应能力与作业精度,但是现有传感器仍然存在一些技术短板,如视觉传感器易受阳光干扰、枝叶遮挡和果实密集分布等因素影响,导致目标检测困难;触觉传感器易受温湿度影响,难以量化复杂的力学反馈,因而细微抓取力控制困难;由于非结构化环境下的路径优化困难,且激光传感器成本高昂,限制了其大规模应用。同时,单一传感器存在感知维度单一、环境适应性不足和果实特征感知不足等局限,难以适应非结构化果园环境。为此,针对多传感器融合技术面临的数据异构性、时序同步性和计算复杂性等挑战,对传感器技术在水果采摘机器人的未来应用进行了展望,指出融合红外、紫外等多波段成像技术和高动态范围(high dynamic range imaging,HDR)成像技术,柔性电子皮肤结合仿生结构设计的多传感器融合技术有望得到广泛应用。
