期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
点状区域的多预警机协同探测航线规划 被引量:5
1
作者 戴瑜 汤子跃 李婧 《现代防御技术》 北大核心 2017年第4期31-36,共6页
点状区域的探测是预警机面临的主要探测任务之一。针对点状区域的多预警机协同探测航线规划问题,首先根据点状区域的特点分析该类探测任务的多预警机协同探测的航线模式,为了获得更大的预警距离以及发挥预警机装备最大效费比,确定点状... 点状区域的探测是预警机面临的主要探测任务之一。针对点状区域的多预警机协同探测航线规划问题,首先根据点状区域的特点分析该类探测任务的多预警机协同探测的航线模式,为了获得更大的预警距离以及发挥预警机装备最大效费比,确定点状区域的多预警机协同探测航线模式,并对航线半径的选择进行了讨论;然后,根据点状区域半径大小,分平时和战时2种情况分别对点状区域的多预警机协同探测航线进行规划,并对其探测性能进行了分析;最后,通过仿真实验验证了该方法的有效性。 展开更多
关键词 点状区域 预警机 协同 航线规划 圆形航线 稳定覆盖区域
在线阅读 下载PDF
采摘机器人果实识别与定位研究——基于双目视觉和机器学习 被引量:10
2
作者 魏纯 李明 龙嘉川 《农机化研究》 北大核心 2021年第11期239-242,共4页
分析了双目视觉系统的工作原理及视觉标定方法,利用YOLO V2卷积神经网络算法实现对目标果实的识别,并对目标果实的空间定位进行了深入研究,设计了一套基于双目视觉和机器学习的采摘机器人果实识别与定位系统。在多次实际定位实验中,橘... 分析了双目视觉系统的工作原理及视觉标定方法,利用YOLO V2卷积神经网络算法实现对目标果实的识别,并对目标果实的空间定位进行了深入研究,设计了一套基于双目视觉和机器学习的采摘机器人果实识别与定位系统。在多次实际定位实验中,橘子的深度定位误差最大值为1.06mm,证实了系统具有一定的准确性和稳定性。 展开更多
关键词 采摘机器人 双目视觉 YOLO 卷积神经网络 机器学习 识别与定位
在线阅读 下载PDF
基于Kalman滤波的联合收获机籽粒清选损失监测研究 被引量:6
3
作者 魏纯 李明 +1 位作者 余良俊 朱莉 《农机化研究》 北大核心 2016年第3期23-27,共5页
为了解决谷物籽粒撞击信号码间串扰问题,实现联合收获机工作过程中谷物损失量的实时监测,并提高监测的精度,设计了一种新的籽粒清选监测系统。该系统采用Kalman滤波的方法缩短了籽粒撞击板信号的衰减时间,从而可以有效地降低信号的码间... 为了解决谷物籽粒撞击信号码间串扰问题,实现联合收获机工作过程中谷物损失量的实时监测,并提高监测的精度,设计了一种新的籽粒清选监测系统。该系统采用Kalman滤波的方法缩短了籽粒撞击板信号的衰减时间,从而可以有效地降低信号的码间串扰。为了验证系统的有效性和可靠性,对籽粒清选系统进行了测试,选取了两组饱满程度不同的籽粒作为研究对象,通过测试得到了两组籽粒的撞击电压响应曲线,并分别对比了Kalman滤波和未滤波的信号衰减曲线和籽粒的清选误差。由对比结果可以发现:Kalman滤波能明显地缩短信号的衰减时间,降低了籽粒间码间串扰对系统监测精度的影响及清选误差,大大提高了籽粒损失监测系统的工作效率,为联合收割机的优化设计提供了理论参考。 展开更多
关键词 联合收获机 码间串扰 籽粒清选 衰减时间 KALMAN滤波
在线阅读 下载PDF
自动除草机目标识别方法研究——基于神经网络聚类算法 被引量:3
4
作者 魏纯 李明 龙嘉川 《农机化研究》 北大核心 2022年第12期60-63,134,共5页
在除草机器人的设计时,为了实现机器人的自动作业,需要考虑机器人可以自主地识别杂草和植物,因此必须设计机器人自动目标识别系统。为此,将神经网络聚类算法引入到了机器人机器视觉系统的设计上,通过对杂草目标的识别实现机器人作业对... 在除草机器人的设计时,为了实现机器人的自动作业,需要考虑机器人可以自主地识别杂草和植物,因此必须设计机器人自动目标识别系统。为此,将神经网络聚类算法引入到了机器人机器视觉系统的设计上,通过对杂草目标的识别实现机器人作业对象的自动捕获。以杂草和农作物的环境为测试对象,对自动除草机的性能进行了测试,结果表明:基于神经网络聚类算法的自动除草机可以准确识别目标,满足了自动除草作业的设计需求。 展开更多
关键词 自动除草机 目标识别 神经网络 聚类算法 机器视觉
在线阅读 下载PDF
基于机器学习的四旋翼植保机目标识别研究 被引量:1
5
作者 魏纯 李明 +1 位作者 龙嘉川 姚敏 《农机化研究》 北大核心 2023年第12期244-247,共4页
为了提高无人植保机的目标识别能力,提升其在复杂环境下自主化作业的适应性,将机器学习算法引入到了植保机目标自主识别系统的设计上,利用神经网络学习算法和图像增强处理技术提高了识别系统的准确性。模拟植保机的作业环境,在作业区域... 为了提高无人植保机的目标识别能力,提升其在复杂环境下自主化作业的适应性,将机器学习算法引入到了植保机目标自主识别系统的设计上,利用神经网络学习算法和图像增强处理技术提高了识别系统的准确性。模拟植保机的作业环境,在作业区域设置了大量的作物目标,通过植保机对目标物的识别对其性能进行了测试,结果表明:植保机可以准确地识别作物目标,满足自主作业时对目标自主识别的设计需求。 展开更多
关键词 无人植保机 四旋翼飞行器 机器学习 神经网络 目标识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部