期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv3的果园复杂环境下苹果果实识别
被引量：
41
1
作者
赵辉
乔艳军
+1 位作者
王红君
岳有军
《农业工程学报》
EI
CAS
CSCD
北大核心
2021年第16期127-135,共9页
为使采摘机器人能够全天候在不同光照、重叠遮挡、大视场等果园复杂环境下对不同成熟度的果实进行快速、准确识别,该研究提出了一种基于改进YOLOv3的果实识别方法。首先,将DarkNet53网络中的残差模块与CSPNet(Cross Stage Paritial Netw...
为使采摘机器人能够全天候在不同光照、重叠遮挡、大视场等果园复杂环境下对不同成熟度的果实进行快速、准确识别,该研究提出了一种基于改进YOLOv3的果实识别方法。首先,将DarkNet53网络中的残差模块与CSPNet(Cross Stage Paritial Network)结合,在保持检测精度的同时降低网络的计算量;其次,在原始YOLOv3模型的检测网络中加入SPP(Spatial Pyramid Pooling)模块,将果实的全局和局部特征进行融合,提高对极小果实目标的召回率;同时,采用Soft NMS(Soft Non-Maximum Suppression)算法代替传统NMS(Non-Maximum Suppression)算法,增强对重叠遮挡果实的识别能力;最后,采用基于Focal Loss和CIoU Loss的联合损失函数对模型进行优化,提高识别精度。以苹果为例进行的试验结果表明:经过数据集训练之后的改进模型,在测试集下的MAP(Mean Average Precision)值达到96.3%,较原模型提高了3.8个百分点;F1值达到91.8%,较原模型提高了3.8个百分点;在GPU下的平均检测速度达到27.8帧/s,较原模型提高了5.6帧/s。与Faster RCNN、RetinaNet等几种目前先进的检测方法进行比较并在不同数目、不同光照情况下的对比试验结果表明,该方法具有优异的检测精度及良好的鲁棒性和实时性,对解决复杂环境下果实的精准识别问题具有重要参考价值。
展开更多
关键词
收获机
目标检测
图像处理
果实识别
YOLOv3
复杂环境
在线阅读
下载PDF
职称材料
基于机器视觉的指针式仪表检测
被引量：
12
2
作者
赵辉
姜立锋
+1 位作者
王红君
岳有军
《科学技术与工程》
北大核心
2021年第34期14665-14672,共8页
提出了一种基于机器视觉的变电站指针式仪表检测算法。该算法基于YOLO v3神经网络,引入Res2Net残差模块以及采用特征层融合的方式,采用更少的模块和网络层数获取更高的特征提取效率,通过增加空间池化金字塔(spatial pyramid pooling,SPP...
提出了一种基于机器视觉的变电站指针式仪表检测算法。该算法基于YOLO v3神经网络,引入Res2Net残差模块以及采用特征层融合的方式,采用更少的模块和网络层数获取更高的特征提取效率,通过增加空间池化金字塔(spatial pyramid pooling,SPP)模块融合多重感受野,使用GIoU(generalized intersection over union)损失函数代替原有的损失函数。此外,针对数据集的不同,采取k-means++聚类算法重新选择锚点框的尺寸。实验结果证明,在保证精度的前提下,相对于Faster R-CNN和原始的YOLO v3网络,速度分别提升了73.7%和45.8%。
展开更多
关键词
YOLO
v3
Res2Net
空间池化金字塔(SPP)
GIou(generalized
intersection
over
union)
k-means++
速度
检测识别
在线阅读
下载PDF
职称材料
苹果的动态识别与跟踪算法研究
被引量：
1
3
作者
岳有军
霍晓东
+1 位作者
王红君
赵辉
《农机化研究》
北大核心
2023年第6期41-46,共6页
由于风或其他自然原因的影响,树上的苹果容易发生摆动,增加了机器人准确采摘苹果的难度。为了准确、高效地跟踪识别苹果,在归一化互相关模板匹配的基础上,提出了一种结合SURF特征仿射变换的跟踪识别方法。首先,采用基于R-G颜色特征的大...
由于风或其他自然原因的影响,树上的苹果容易发生摆动,增加了机器人准确采摘苹果的难度。为了准确、高效地跟踪识别苹果,在归一化互相关模板匹配的基础上,提出了一种结合SURF特征仿射变换的跟踪识别方法。首先,采用基于R-G颜色特征的大津阈值法分割初始图像,识别出目标果实(即获得模板图像);其次,将模板图像与下一帧图像进行SURF特征提取匹配,剔除误匹配角点,通过仿射变换对模板进行矫正,同时预测目标位置;最后,在预测位置的1.2倍范围内,利用NCC匹配搜寻果实最佳匹配位置。测试结果表明:在没有模板校正和苹果位置预测的情况下,每帧运行时间分别为0.59s和5.17s,而本文方法的运行时间为0.41s,且跟踪误差减小。实验结果表明:此方法可以显著提高识别速度和效率,也可为其他振荡水果的跟踪和识别提供参考。
展开更多
关键词
苹果采摘机器人
动态识别与跟踪
仿射变换
模板匹配
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv3的果园复杂环境下苹果果实识别
被引量：
41
1
作者
赵辉
乔艳军
王红君
岳有军
机构
天津理工大学电气电子工程学院/天津市复杂系统控制理论与应用重点实验室
天津
农学
院
工程
技术学
院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2021年第16期127-135,共9页
基金
天津市科技支撑计划项目(19YFZCSN00360)。
文摘
为使采摘机器人能够全天候在不同光照、重叠遮挡、大视场等果园复杂环境下对不同成熟度的果实进行快速、准确识别,该研究提出了一种基于改进YOLOv3的果实识别方法。首先,将DarkNet53网络中的残差模块与CSPNet(Cross Stage Paritial Network)结合,在保持检测精度的同时降低网络的计算量;其次,在原始YOLOv3模型的检测网络中加入SPP(Spatial Pyramid Pooling)模块,将果实的全局和局部特征进行融合,提高对极小果实目标的召回率;同时,采用Soft NMS(Soft Non-Maximum Suppression)算法代替传统NMS(Non-Maximum Suppression)算法,增强对重叠遮挡果实的识别能力;最后,采用基于Focal Loss和CIoU Loss的联合损失函数对模型进行优化,提高识别精度。以苹果为例进行的试验结果表明:经过数据集训练之后的改进模型,在测试集下的MAP(Mean Average Precision)值达到96.3%,较原模型提高了3.8个百分点;F1值达到91.8%,较原模型提高了3.8个百分点;在GPU下的平均检测速度达到27.8帧/s,较原模型提高了5.6帧/s。与Faster RCNN、RetinaNet等几种目前先进的检测方法进行比较并在不同数目、不同光照情况下的对比试验结果表明,该方法具有优异的检测精度及良好的鲁棒性和实时性,对解决复杂环境下果实的精准识别问题具有重要参考价值。
关键词
收获机
目标检测
图像处理
果实识别
YOLOv3
复杂环境
Keywords
harvester
object detection
image processing
fruit identification
YOLOv3
complex environment
分类号
TP391.4 [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
基于机器视觉的指针式仪表检测
被引量：
12
2
作者
赵辉
姜立锋
王红君
岳有军
机构
天津理工大学电气电子工程学院/天津市复杂系统控制理论与应用重点实验室
天津
农学
院
工程
技术学
院
出处
《科学技术与工程》
北大核心
2021年第34期14665-14672,共8页
基金
天津市科技支撑计划(19YFZCSN00360,18YFZCNC01120)。
文摘
提出了一种基于机器视觉的变电站指针式仪表检测算法。该算法基于YOLO v3神经网络,引入Res2Net残差模块以及采用特征层融合的方式,采用更少的模块和网络层数获取更高的特征提取效率,通过增加空间池化金字塔(spatial pyramid pooling,SPP)模块融合多重感受野,使用GIoU(generalized intersection over union)损失函数代替原有的损失函数。此外,针对数据集的不同,采取k-means++聚类算法重新选择锚点框的尺寸。实验结果证明,在保证精度的前提下,相对于Faster R-CNN和原始的YOLO v3网络,速度分别提升了73.7%和45.8%。
关键词
YOLO
v3
Res2Net
空间池化金字塔(SPP)
GIou(generalized
intersection
over
union)
k-means++
速度
检测识别
Keywords
YOLO v3
Res2Net
spatial pyramid pooling(SPP)
generalized intersection over union(GIou)
k-means++
speed
testing to identify
分类号
TP391.7 [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
苹果的动态识别与跟踪算法研究
被引量：
1
3
作者
岳有军
霍晓东
王红君
赵辉
机构
天津理工大学电气电子工程学院/天津市复杂系统控制理论与应用重点实验室
出处
《农机化研究》
北大核心
2023年第6期41-46,共6页
基金
天津市科技计划项目(19YFZCSN00360)。
文摘
由于风或其他自然原因的影响,树上的苹果容易发生摆动,增加了机器人准确采摘苹果的难度。为了准确、高效地跟踪识别苹果,在归一化互相关模板匹配的基础上,提出了一种结合SURF特征仿射变换的跟踪识别方法。首先,采用基于R-G颜色特征的大津阈值法分割初始图像,识别出目标果实(即获得模板图像);其次,将模板图像与下一帧图像进行SURF特征提取匹配,剔除误匹配角点,通过仿射变换对模板进行矫正,同时预测目标位置;最后,在预测位置的1.2倍范围内,利用NCC匹配搜寻果实最佳匹配位置。测试结果表明:在没有模板校正和苹果位置预测的情况下,每帧运行时间分别为0.59s和5.17s,而本文方法的运行时间为0.41s,且跟踪误差减小。实验结果表明:此方法可以显著提高识别速度和效率,也可为其他振荡水果的跟踪和识别提供参考。
关键词
苹果采摘机器人
动态识别与跟踪
仿射变换
模板匹配
Keywords
apple picking robot
dynamic recognition and tracking
affine transform
template matching
分类号
S225 [农业科学—农业机械化工程]
TP391.41 [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
基于改进YOLOv3的果园复杂环境下苹果果实识别
赵辉
乔艳军
王红君
岳有军
《农业工程学报》
EI
CAS
CSCD
北大核心
2021
41
在线阅读
下载PDF
职称材料
2
基于机器视觉的指针式仪表检测
赵辉
姜立锋
王红君
岳有军
《科学技术与工程》
北大核心
2021
12
在线阅读
下载PDF
职称材料
3
苹果的动态识别与跟踪算法研究
岳有军
霍晓东
王红君
赵辉
《农机化研究》
北大核心
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
