为了实现光照变化等复杂环境下果实的选择性采摘,该研究以黄瓜为研究对象,以RT-Detr为基线网络,提出了RT-Detr-EV模型。首先在主干网络中添加RepVGG模块,以加强网络特征提取能力,并减少推理时计算量;加入轻量化自注意力机制,减少计算量...为了实现光照变化等复杂环境下果实的选择性采摘,该研究以黄瓜为研究对象,以RT-Detr为基线网络,提出了RT-Detr-EV模型。首先在主干网络中添加RepVGG模块,以加强网络特征提取能力,并减少推理时计算量;加入轻量化自注意力机制,减少计算量,增加网络深度;最后使用MPDIoU(minimum point distance based intersection over union)替换原模型中的损失函数,加快模型的收敛,提高模型的检测准确率。研究表明,改进RT-Detr-EV的平均精度均值mAP50相较于原模型提升了3.2个百分点,检测速度相较原模型提升了17.4帧/s。与YOLOv7-X、YOLOv8-l相比,对非适宜采摘的黄瓜识别准确率分别提升4.6、6.5个百分点,检测速度分别提升了40.6、25帧/s,参数量分别减少了55.5%、27.3%。同时试验证明,模型对光照条件多种变化的采摘场景也具有一定的鲁棒性与泛化能力。该研究提出的RT-Detr-EV模型能够满足复杂生长环境黄瓜果实的实时检测需求,可为后续移动式选择性采摘的研究提供技术支持。展开更多
针对目前草原植被盖度和物候期监测中存在的连续工作能力差、自动监测能力弱和精确度较低问题,将固定监测、移动监测和云平台结合,研制了一种草原植被盖度与物候智能监测系统。该系统主要由固定监测子系统、移动监测子系统以及草原物候...针对目前草原植被盖度和物候期监测中存在的连续工作能力差、自动监测能力弱和精确度较低问题,将固定监测、移动监测和云平台结合,研制了一种草原植被盖度与物候智能监测系统。该系统主要由固定监测子系统、移动监测子系统以及草原物候智能监测云平台组成。固定监测子系统主要由物候相机、供电模块、通信模块、边缘计算控制器和支撑立杆等组成,移动监测子系统主要包括手持机和应用程序。草原物候智能监测云平台基于浏览器/服务器模式架构设计,具有信息查询、数据分析、数据显示和数据共享等功能。固定监测子系统和移动监测子系统可实现草原植被图像数据的采集和上传,然后通过云服务器部署的图像处理程序自动提取草原植被指数和植被盖度并存入数据库。在此基础上,通过拟合植被指数的时间序列获得植被生长曲线,并利用TIMESAT软件提取物候参数。经测试,提出的利用过绿指数(excess green index,EXG)结合最大类间方差法分割草原植被图像进而实现草原植被盖度识别的方法获得了90%的精确度,满足草原植被盖度自动化和批量化提取需求。并且,该研究在提取相对绿度指数(green chromatic coordinate,GCC)、EXG与归一化红绿差分指数(normalized green red difference index,NGRDI)植被指数的基础上,采用Double Logistic函数拟合的植被生长曲线可以准确反映植被生长周期。该系统为草原植被数智化监测和管理提供了可靠的技术和数据支撑。展开更多
文摘为了实现光照变化等复杂环境下果实的选择性采摘,该研究以黄瓜为研究对象,以RT-Detr为基线网络,提出了RT-Detr-EV模型。首先在主干网络中添加RepVGG模块,以加强网络特征提取能力,并减少推理时计算量;加入轻量化自注意力机制,减少计算量,增加网络深度;最后使用MPDIoU(minimum point distance based intersection over union)替换原模型中的损失函数,加快模型的收敛,提高模型的检测准确率。研究表明,改进RT-Detr-EV的平均精度均值mAP50相较于原模型提升了3.2个百分点,检测速度相较原模型提升了17.4帧/s。与YOLOv7-X、YOLOv8-l相比,对非适宜采摘的黄瓜识别准确率分别提升4.6、6.5个百分点,检测速度分别提升了40.6、25帧/s,参数量分别减少了55.5%、27.3%。同时试验证明,模型对光照条件多种变化的采摘场景也具有一定的鲁棒性与泛化能力。该研究提出的RT-Detr-EV模型能够满足复杂生长环境黄瓜果实的实时检测需求,可为后续移动式选择性采摘的研究提供技术支持。
文摘针对目前草原植被盖度和物候期监测中存在的连续工作能力差、自动监测能力弱和精确度较低问题,将固定监测、移动监测和云平台结合,研制了一种草原植被盖度与物候智能监测系统。该系统主要由固定监测子系统、移动监测子系统以及草原物候智能监测云平台组成。固定监测子系统主要由物候相机、供电模块、通信模块、边缘计算控制器和支撑立杆等组成,移动监测子系统主要包括手持机和应用程序。草原物候智能监测云平台基于浏览器/服务器模式架构设计,具有信息查询、数据分析、数据显示和数据共享等功能。固定监测子系统和移动监测子系统可实现草原植被图像数据的采集和上传,然后通过云服务器部署的图像处理程序自动提取草原植被指数和植被盖度并存入数据库。在此基础上,通过拟合植被指数的时间序列获得植被生长曲线,并利用TIMESAT软件提取物候参数。经测试,提出的利用过绿指数(excess green index,EXG)结合最大类间方差法分割草原植被图像进而实现草原植被盖度识别的方法获得了90%的精确度,满足草原植被盖度自动化和批量化提取需求。并且,该研究在提取相对绿度指数(green chromatic coordinate,GCC)、EXG与归一化红绿差分指数(normalized green red difference index,NGRDI)植被指数的基础上,采用Double Logistic函数拟合的植被生长曲线可以准确反映植被生长周期。该系统为草原植被数智化监测和管理提供了可靠的技术和数据支撑。
