青橘智能收获依赖快速精准的检测技术。针对青橘尺寸多样、果园环境复杂及果实与背景相似度高导致的检测精度不足和漏检问题,本研究提出了一种轻量且高精度的青橘检测模型(RT-GCTR)。该模型采用大感受野小波卷积模块(WCLRF_Block)增强...青橘智能收获依赖快速精准的检测技术。针对青橘尺寸多样、果园环境复杂及果实与背景相似度高导致的检测精度不足和漏检问题,本研究提出了一种轻量且高精度的青橘检测模型(RT-GCTR)。该模型采用大感受野小波卷积模块(WCLRF_Block)增强多尺寸目标特征提取,结合多尺度多头自注意力机制(MSMHSA)构建多尺度融合模块(MSMH-AIFI),自适应聚合多尺度特征,并引入SPDConv与CSP-OmniKernel模块设计SCOK-CCFF特征金字塔,提升小目标检测精度。实验结果表明,RT-GCTR在训练数据集1和测试数据集2上的AP50分别为92.0%和92.2%,优于其他先进模型。与RT-DETR-r18相比,RT-GCTR的参数量和浮点运算量分别减少26.7%和25.4%,在NVIDIA Jetson Orin NX上检测速度达10.3 fps。本研究在降低复杂度的同时,提升了精度和实时性,满足边缘设备需求。展开更多
针对室内可见光定位中非视距信道(Non Line of Sight,NLOS)导致定位精度不足的问题,提出了一种基于动态高斯加权(Dynamic Gaussian Weighted,DGW)接收信号强度指示(Received Signal Strength Indicator,RSSI)和遗传算法(Genetic Algorit...针对室内可见光定位中非视距信道(Non Line of Sight,NLOS)导致定位精度不足的问题,提出了一种基于动态高斯加权(Dynamic Gaussian Weighted,DGW)接收信号强度指示(Received Signal Strength Indicator,RSSI)和遗传算法(Genetic Algorithm,GA)改进支持向量回归(Support Vector Regression,SVR)的室内可见光定位算法。首先,构建指纹库并划分数据集,计算接收器与光源之间的距离动态调整高斯函数的标准差,再结合RSSI信号的波动性进行自适应加权,以减少NLOS对定位的影响。然后,使用GA优化SVR模型的参数,得到最佳定位模型。最后,使用最佳定位模型对加权后的指纹数据进行定位预测。实验结果表明:本算法的平均定位误差为7.1 cm,相较于SVR、SVR-GA等算法降低了21.1%~42.3%,并且能有效降低NLOS的影响、提高室内定位的精度,具有较强的应用前景。展开更多
建立GEVSG并网有功-功角的动态等效电路模型,从电路能量流动的角度揭示GEVSG在不同扰动下存在有功振荡的原因,提出一种基于能量重构机理的GEVSG有功振荡阻尼策略,并给出基于二阶等效降阶控制模型的参数设计方法。搭建100 kVA GEVSG并网...建立GEVSG并网有功-功角的动态等效电路模型,从电路能量流动的角度揭示GEVSG在不同扰动下存在有功振荡的原因,提出一种基于能量重构机理的GEVSG有功振荡阻尼策略,并给出基于二阶等效降阶控制模型的参数设计方法。搭建100 kVA GEVSG并网系统的Matlab仿真模型与实验测试平台,并利用仿真与实验对比结果共同验证了所述控制方法的可行性与有效性。展开更多
文摘青橘智能收获依赖快速精准的检测技术。针对青橘尺寸多样、果园环境复杂及果实与背景相似度高导致的检测精度不足和漏检问题,本研究提出了一种轻量且高精度的青橘检测模型(RT-GCTR)。该模型采用大感受野小波卷积模块(WCLRF_Block)增强多尺寸目标特征提取,结合多尺度多头自注意力机制(MSMHSA)构建多尺度融合模块(MSMH-AIFI),自适应聚合多尺度特征,并引入SPDConv与CSP-OmniKernel模块设计SCOK-CCFF特征金字塔,提升小目标检测精度。实验结果表明,RT-GCTR在训练数据集1和测试数据集2上的AP50分别为92.0%和92.2%,优于其他先进模型。与RT-DETR-r18相比,RT-GCTR的参数量和浮点运算量分别减少26.7%和25.4%,在NVIDIA Jetson Orin NX上检测速度达10.3 fps。本研究在降低复杂度的同时,提升了精度和实时性,满足边缘设备需求。
文摘针对室内可见光定位中非视距信道(Non Line of Sight,NLOS)导致定位精度不足的问题,提出了一种基于动态高斯加权(Dynamic Gaussian Weighted,DGW)接收信号强度指示(Received Signal Strength Indicator,RSSI)和遗传算法(Genetic Algorithm,GA)改进支持向量回归(Support Vector Regression,SVR)的室内可见光定位算法。首先,构建指纹库并划分数据集,计算接收器与光源之间的距离动态调整高斯函数的标准差,再结合RSSI信号的波动性进行自适应加权,以减少NLOS对定位的影响。然后,使用GA优化SVR模型的参数,得到最佳定位模型。最后,使用最佳定位模型对加权后的指纹数据进行定位预测。实验结果表明:本算法的平均定位误差为7.1 cm,相较于SVR、SVR-GA等算法降低了21.1%~42.3%,并且能有效降低NLOS的影响、提高室内定位的精度,具有较强的应用前景。
文摘建立GEVSG并网有功-功角的动态等效电路模型,从电路能量流动的角度揭示GEVSG在不同扰动下存在有功振荡的原因,提出一种基于能量重构机理的GEVSG有功振荡阻尼策略,并给出基于二阶等效降阶控制模型的参数设计方法。搭建100 kVA GEVSG并网系统的Matlab仿真模型与实验测试平台,并利用仿真与实验对比结果共同验证了所述控制方法的可行性与有效性。
