射频识别(radio frequency identification,RFID)技术为工业物联网(industrial internet of things)带来了巨大的进步,作为实现智能仓储的关键技术之一,广泛应用于库存管理和智能定位等场景,然而现有的绝对/相对定位方法易受仓储环境、...射频识别(radio frequency identification,RFID)技术为工业物联网(industrial internet of things)带来了巨大的进步,作为实现智能仓储的关键技术之一,广泛应用于库存管理和智能定位等场景,然而现有的绝对/相对定位方法易受仓储环境、包装材料、货架材质等因素影响。为了进一步提升室内定位精度,该研究提出了一种基于接收信号强度指示器(receive signal strength indicator,RSSI)和测量相位融合的无源RFID定位方法(RFID positioning based on received signal strength indicator and phase measurement,RP-RaP)。首先,使用MATLAB软件进行仿真模拟,在已知测量相位统计学分布的前提下,采用最大似然估计法对标签进行水平定位,同时基于双天线阅读器所测得的RSSI差值对标签进行垂直定位,实现了无源超高频RFID标签的水平和垂直定位仿真。其次,以农产品包装场景为例,在仓库中搭建射频定位测试系统,通过滑轨搭载射频阅读器及天线,对货架物品上的贴附标签进行水平和垂直定位分析,最后将无源标签分别贴附于金属盒、油桶、纸箱、面粉袋和大米袋,并以未贴附标签的测量结果作为对比。试验结果表明,与传统的室内定位算法LANDMARC相比,RP-RaP定位精度明显提升,平均水平和垂直定位精度分别达到94.6%和94.3%,基于接收信号强度指示器和测量相位融合的定位方法有效提升了农产品包装定位精度。研究结果可为大型农产品仓储智能化管理与应用提供参考。展开更多
农业测控系统的用户交互性存在改进空间,随着自然语言语义处理技术的不断进步,提升农业测控领域中复杂的控制和查询操作的用户友好性变得至关重要,这有助于降低用户的操作成本。本文提出了一种面向农业测控领域的自然语言接口(agricultu...农业测控系统的用户交互性存在改进空间,随着自然语言语义处理技术的不断进步,提升农业测控领域中复杂的控制和查询操作的用户友好性变得至关重要,这有助于降低用户的操作成本。本文提出了一种面向农业测控领域的自然语言接口(agricultural measurement and control natural language interface,AMC-NLI),旨在改进农业测控平台的用户体验。通过BERT-BiLSTM-ATT-CRF-OPO(bidirectional encoder representations from transformers-bi-directional long shortterm memory-attention-conditional random field)的语义解析模型,识别并提取农业指令中的实体,并进行操作-地点-对象三元组语句(operate-place-object,OPO)的槽填充。使得用户的自然语言输入能够被转化为结构化的三元组语句,实现用户输入的指令转换为相应的参数,并通过物联网网关发送到相应的设备。试验结果表明在AMC-NLI农业测控指令交互方面,该模型表现出色,准确率,精确率、召回率,F值和平均最大响应时间分别达到了91.63%、92.77%、92.48%、91.74%和2.45 s,为农业信息化管控提供了更为便捷的互动方式。展开更多
针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分...针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分割茶垄道路与背景,通过形态学操作对图像进行增强与降噪,使用最大连通域检测操作提取ROI内的坐标信息与特征点,根据ROI提取的坐标信息动态生成ROI,直到整个图像中所有茶垄道路信息提取完成,最后采用最小二乘法获取跨垄式采茶机底盘在垄间行驶的导航线。该方法经过连续帧测试,处理一帧1920×1080像素图像的平均时间为18 ms,该研究算法与人工提取导航线的航向角平均误差为0.405°,标准差为0.463°,可在一定杂草、落叶干扰的情况下完成导航角提取。展开更多
生鲜农产品易发生品质劣变,其中氨气是反映其品质变化的重要检测指标。针对传统有芯片氨气传感器电路设计复杂、寿命有限问题,设计了一种无芯片射频识别(Radio frequency identification,RFID)氨气传感器,用于生鲜农产品挥发性氨气检测...生鲜农产品易发生品质劣变,其中氨气是反映其品质变化的重要检测指标。针对传统有芯片氨气传感器电路设计复杂、寿命有限问题,设计了一种无芯片射频识别(Radio frequency identification,RFID)氨气传感器,用于生鲜农产品挥发性氨气检测。首先,基于高频电磁仿真软件(High frequency structure simulator,HFSS)设计了微带贴片天线结构,研究了传感器天线的电磁场分布、回波损耗S11和极化特性,通过在微带天线上加载金属短路和寄生单元优化了传感器结构;采用激光雕刻技术制备传感器标签,并选择了在室温下对氨气具有良好选择性的ZnO/TiO_(2)纳米复合材料,将其喷涂在微带天线表面辐射单元上;其次,结合氨气射频检测原理,搭建了基于无芯片RFID的生鲜农产品挥发性氨气测试系统,分析了传感器的交叉敏感性和低温高湿环境下的稳定性,最后,对实际测试结果进行了主成分分析和Pearson相关分析。试验结果表明,该无芯片RFID传感器中心谐振频率为2.25 GHz,加载金属短路后增益提升0.13 dB,在实验室氨气质量浓度0~100 mg/L环境下灵敏度达到0.11 dB·L/mg,实际测试过程中,鸡肉氨气传感响应值较高,为9.0 dB;虾肉氨传感响应值较低,为4.5 dB。此外,传感器检测响应能有效区分干扰气体(H_(2)S、CO_(2)、CH_(4)、C2H5OH),相关系数绝对均值均小于0.5;在低温高湿环境下,传感器能够有效完成氨气检测,且稳定性良好。展开更多
[目的/意义]葡萄作为全球综合产值最大的经济作物之一,其产量估计在农业经济发展中具有重要的意义。然而,目前葡萄产量预测困难且成本高。为解决上述问题,本研究提出了一种基于迁移学习的多模态检测框架,旨在实现不同品种葡萄的检测和计...[目的/意义]葡萄作为全球综合产值最大的经济作物之一,其产量估计在农业经济发展中具有重要的意义。然而,目前葡萄产量预测困难且成本高。为解决上述问题,本研究提出了一种基于迁移学习的多模态检测框架,旨在实现不同品种葡萄的检测和计数,从而为葡萄产量预测及果园智能化管理提供有效支持。[方法]该框架利用公开数据集的预训练模型进行特征提取,并通过特征增强模块提高葡萄图像和文本之间的跨模态融合效果。在跨模态查询选择阶段,该框架通过语言引导的查询选择策略,从葡萄图像中筛选查询,进而采用跨模态解码器输出相应的预测结果。[结果和讨论]与9个基线模型相比,该方法在检测和计数方面均展现出最优效果。具体而言,在交并比(Intersection Over Union,IoU)阈值为0.5的条件下,该模型在检测任务上达到了80.3%的平均精度均值(Mean Average Precision,mAP);在计数任务上实现了1.65的平均绝对误差(Mean Absolute Error,MAE),2.48的均方根误差(Root Mean Square Error,RMSE)。值得关注的是,该方法在识别不同目标大小的效果均表现较好,并且在不同环境条件下表现出良好的泛化能力和更快的收敛速度。[结论]本研究提出的葡萄检测与计数方法能够为精准农业提供强有力的技术支持。展开更多
文摘射频识别(radio frequency identification,RFID)技术为工业物联网(industrial internet of things)带来了巨大的进步,作为实现智能仓储的关键技术之一,广泛应用于库存管理和智能定位等场景,然而现有的绝对/相对定位方法易受仓储环境、包装材料、货架材质等因素影响。为了进一步提升室内定位精度,该研究提出了一种基于接收信号强度指示器(receive signal strength indicator,RSSI)和测量相位融合的无源RFID定位方法(RFID positioning based on received signal strength indicator and phase measurement,RP-RaP)。首先,使用MATLAB软件进行仿真模拟,在已知测量相位统计学分布的前提下,采用最大似然估计法对标签进行水平定位,同时基于双天线阅读器所测得的RSSI差值对标签进行垂直定位,实现了无源超高频RFID标签的水平和垂直定位仿真。其次,以农产品包装场景为例,在仓库中搭建射频定位测试系统,通过滑轨搭载射频阅读器及天线,对货架物品上的贴附标签进行水平和垂直定位分析,最后将无源标签分别贴附于金属盒、油桶、纸箱、面粉袋和大米袋,并以未贴附标签的测量结果作为对比。试验结果表明,与传统的室内定位算法LANDMARC相比,RP-RaP定位精度明显提升,平均水平和垂直定位精度分别达到94.6%和94.3%,基于接收信号强度指示器和测量相位融合的定位方法有效提升了农产品包装定位精度。研究结果可为大型农产品仓储智能化管理与应用提供参考。
文摘农业测控系统的用户交互性存在改进空间,随着自然语言语义处理技术的不断进步,提升农业测控领域中复杂的控制和查询操作的用户友好性变得至关重要,这有助于降低用户的操作成本。本文提出了一种面向农业测控领域的自然语言接口(agricultural measurement and control natural language interface,AMC-NLI),旨在改进农业测控平台的用户体验。通过BERT-BiLSTM-ATT-CRF-OPO(bidirectional encoder representations from transformers-bi-directional long shortterm memory-attention-conditional random field)的语义解析模型,识别并提取农业指令中的实体,并进行操作-地点-对象三元组语句(operate-place-object,OPO)的槽填充。使得用户的自然语言输入能够被转化为结构化的三元组语句,实现用户输入的指令转换为相应的参数,并通过物联网网关发送到相应的设备。试验结果表明在AMC-NLI农业测控指令交互方面,该模型表现出色,准确率,精确率、召回率,F值和平均最大响应时间分别达到了91.63%、92.77%、92.48%、91.74%和2.45 s,为农业信息化管控提供了更为便捷的互动方式。
文摘针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分割茶垄道路与背景,通过形态学操作对图像进行增强与降噪,使用最大连通域检测操作提取ROI内的坐标信息与特征点,根据ROI提取的坐标信息动态生成ROI,直到整个图像中所有茶垄道路信息提取完成,最后采用最小二乘法获取跨垄式采茶机底盘在垄间行驶的导航线。该方法经过连续帧测试,处理一帧1920×1080像素图像的平均时间为18 ms,该研究算法与人工提取导航线的航向角平均误差为0.405°,标准差为0.463°,可在一定杂草、落叶干扰的情况下完成导航角提取。
文摘[目的/意义]葡萄作为全球综合产值最大的经济作物之一,其产量估计在农业经济发展中具有重要的意义。然而,目前葡萄产量预测困难且成本高。为解决上述问题,本研究提出了一种基于迁移学习的多模态检测框架,旨在实现不同品种葡萄的检测和计数,从而为葡萄产量预测及果园智能化管理提供有效支持。[方法]该框架利用公开数据集的预训练模型进行特征提取,并通过特征增强模块提高葡萄图像和文本之间的跨模态融合效果。在跨模态查询选择阶段,该框架通过语言引导的查询选择策略,从葡萄图像中筛选查询,进而采用跨模态解码器输出相应的预测结果。[结果和讨论]与9个基线模型相比,该方法在检测和计数方面均展现出最优效果。具体而言,在交并比(Intersection Over Union,IoU)阈值为0.5的条件下,该模型在检测任务上达到了80.3%的平均精度均值(Mean Average Precision,mAP);在计数任务上实现了1.65的平均绝对误差(Mean Absolute Error,MAE),2.48的均方根误差(Root Mean Square Error,RMSE)。值得关注的是,该方法在识别不同目标大小的效果均表现较好,并且在不同环境条件下表现出良好的泛化能力和更快的收敛速度。[结论]本研究提出的葡萄检测与计数方法能够为精准农业提供强有力的技术支持。
