厌氧消化1号模型(Anaerobic Digestion Model No.1,ADM1)量化表达了厌氧发酵过程中各类物质的转化过程,在研究和咨询领域获得了广泛的发展和应用,但ADM1并没有过多考虑物理化学过程,这些物化过程虽然并不直接经由微生物发生,但它们却可...厌氧消化1号模型(Anaerobic Digestion Model No.1,ADM1)量化表达了厌氧发酵过程中各类物质的转化过程,在研究和咨询领域获得了广泛的发展和应用,但ADM1并没有过多考虑物理化学过程,这些物化过程虽然并不直接经由微生物发生,但它们却可以影响生化过程。通过建立ADM1气液转换模型,并基于生物甲烷潜力(BMP)测试建立液相气体浓度变化映射函数,将多元隐性模型转化为k_(L)a的显性模型,基于对k_(L)a参数的实时测算,对序批式投料的CSTR反应器搅拌装置设置变频激励机制,提高气液转换效率,促进沼气的快速逸出。经撬装CSTR中试设备连续实验测试,该智能控制模型相比传统运行方式容积产气率提升15.5%,对提升规模化沼气工程的生产效率具有显著的指导和应用价值。基于边云协同的智能控制为规模化生物燃气项目的智慧管控提供了全新的技术范式。展开更多
使用机器视觉对果实检测并进行估产是实现果园智能化管理的重要途径,针对自然环境下青皮核桃与叶片颜色差异小、核桃体积较小导致青皮核桃不易检出的问题,该研究提出一种基于改进YOLOv3的青皮核桃视觉检测方法。依据数据集特征进行数据...使用机器视觉对果实检测并进行估产是实现果园智能化管理的重要途径,针对自然环境下青皮核桃与叶片颜色差异小、核桃体积较小导致青皮核桃不易检出的问题,该研究提出一种基于改进YOLOv3的青皮核桃视觉检测方法。依据数据集特征进行数据增强,引入Mixup数据增强方法,使模型从更深的维度学习核桃特征;针对核桃单种类目标检测比较不同预训练模型,选择精度提升更明显的Microsoft Common Objects in Context(COCO)数据集预训练模型;依据标注框尺寸统计对锚框进行调整,避免锚框集中,提升模型多尺度优势。在消融试验中,前期改进将平均精度均值提升至93.30%,在此基础上,引入Mobil Net-v3骨干网络替换YOLOv3算法中原始骨干网络,提升模型检测能力及轻量化。试验表明,基于改进YOLOv3的青皮核桃检测平均精度均值为94.52%,超越YOLOv3其他2个骨干网络和Faster RCNN-ResNet-50网络。改进模型大小为88.6 M,检测速度为31帧/s,检测速度是Faster RCNN-ResNet-50网络的3倍,可以满足青皮核桃实时准确检测需求。该方法可为核桃果园智能化管理中的估产、采收规划等提供技术支撑,也可为近背景颜色的小果实实时准确检测提供思路。展开更多
文摘厌氧消化1号模型(Anaerobic Digestion Model No.1,ADM1)量化表达了厌氧发酵过程中各类物质的转化过程,在研究和咨询领域获得了广泛的发展和应用,但ADM1并没有过多考虑物理化学过程,这些物化过程虽然并不直接经由微生物发生,但它们却可以影响生化过程。通过建立ADM1气液转换模型,并基于生物甲烷潜力(BMP)测试建立液相气体浓度变化映射函数,将多元隐性模型转化为k_(L)a的显性模型,基于对k_(L)a参数的实时测算,对序批式投料的CSTR反应器搅拌装置设置变频激励机制,提高气液转换效率,促进沼气的快速逸出。经撬装CSTR中试设备连续实验测试,该智能控制模型相比传统运行方式容积产气率提升15.5%,对提升规模化沼气工程的生产效率具有显著的指导和应用价值。基于边云协同的智能控制为规模化生物燃气项目的智慧管控提供了全新的技术范式。
文摘使用机器视觉对果实检测并进行估产是实现果园智能化管理的重要途径,针对自然环境下青皮核桃与叶片颜色差异小、核桃体积较小导致青皮核桃不易检出的问题,该研究提出一种基于改进YOLOv3的青皮核桃视觉检测方法。依据数据集特征进行数据增强,引入Mixup数据增强方法,使模型从更深的维度学习核桃特征;针对核桃单种类目标检测比较不同预训练模型,选择精度提升更明显的Microsoft Common Objects in Context(COCO)数据集预训练模型;依据标注框尺寸统计对锚框进行调整,避免锚框集中,提升模型多尺度优势。在消融试验中,前期改进将平均精度均值提升至93.30%,在此基础上,引入Mobil Net-v3骨干网络替换YOLOv3算法中原始骨干网络,提升模型检测能力及轻量化。试验表明,基于改进YOLOv3的青皮核桃检测平均精度均值为94.52%,超越YOLOv3其他2个骨干网络和Faster RCNN-ResNet-50网络。改进模型大小为88.6 M,检测速度为31帧/s,检测速度是Faster RCNN-ResNet-50网络的3倍,可以满足青皮核桃实时准确检测需求。该方法可为核桃果园智能化管理中的估产、采收规划等提供技术支撑,也可为近背景颜色的小果实实时准确检测提供思路。
