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YOLO v5的桑叶采摘与桑枝伐条识别定位方法
1
作者
申颜青
李丽
+2 位作者
李渊明
童晓玲
周永忠
《农业机械学报》
北大核心
2025年第8期487-495,共9页
为应对桑树生长的多季节变化及形态多样性,同时满足其与养蚕周期相匹配的需求,解决当前桑叶自下而上采摘与桑枝伐条作业中对人工定位的依赖问题,本研究建立桑园2021年7月、2024年9月和11月各种气候与桑枝形态的数据集,提出基于改进YOLO...
为应对桑树生长的多季节变化及形态多样性,同时满足其与养蚕周期相匹配的需求,解决当前桑叶自下而上采摘与桑枝伐条作业中对人工定位的依赖问题,本研究建立桑园2021年7月、2024年9月和11月各种气候与桑枝形态的数据集,提出基于改进YOLO v5的桑树枝干检测模型YOLO v5-cytp,构建基于深度相机的三维定位系统实现精准识别。首先,加入CA注意力机制,增强模型对桑枝底部的特征聚焦能力;然后将YOLO v5基础的CIoU损失函数替换为SIoU损失函数以提升训练速度与推理精度;最后采用轻量化GhostNet重构YOLO v5的骨干网络,在满足使用要求的前提下将模型轻量化。完成深度相机标定,实现RGB图像与深度图像对齐,经过坐标转换最终获取目标三维坐标。试验表明,YOLO v5-cytp模型平均精度均值达93.4%,相较YOLO v5原始模型提高1.2个百分点;同时内存占用量由3.79 MB降低为3.02 MB,降低20.31%;模型桑枝识别率达到91.11%;桑枝底部三维坐标(X,Y,Z)定位最大误差为(11.3,14.1,27.0)mm,符合误差允许值。模型可同时实现桑叶自下而上采摘与桑枝伐条作业的识别定位,可为桑园智能化采摘与伐条机器人提供参考。
展开更多
关键词
桑叶采摘
桑枝伐条
YOLO
v5
目标检测
在线阅读
下载PDF
职称材料
基于改进YOLO v5的复杂环境下桑树枝干识别定位方法
被引量：
7
2
作者
李丽
卢世博
+2 位作者
任浩
徐刚
周永忠
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第2期249-257,共9页
为实现复杂自然环境下对桑树嫩叶处枝干的识别检测,改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状,解决识别目标姿态多样和环境复杂导致的低识别率问题,提出一种基于改进YOLO v5模型的桑树枝干识别模型(YOLO v5-mulberry),并...
为实现复杂自然环境下对桑树嫩叶处枝干的识别检测,改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状,解决识别目标姿态多样和环境复杂导致的低识别率问题,提出一种基于改进YOLO v5模型的桑树枝干识别模型(YOLO v5-mulberry),并结合深度相机构建定位系统。首先,在YOLO v5的骨干网络中加入CBAM(Convolutional block attention module)注意力机制,提高神经网络对桑树枝干的关注度;并增加小目标层使模型可检测4像素×4像素的目标,提高了模型检测小目标的性能;同时使用GIoU损失函数替换原始网络中的IoU损失函数,有效防止了预测框和真实框尺寸较小时无法正确反映预测框及真实框之间位置关系的情况;随后,完成深度图和彩色图的像素对齐,通过坐标系转换获取桑树枝干三维坐标。试验结果表明:YOLO v5-mulberry检测模型的平均精度均值为94.2%,较原模型提高16.9个百分点,置信度也提高12.1%;模型室外检测时应检测目标数53,实际检测目标数为48,检测率为90.57%;桑树嫩叶处枝干三维坐标识别定位系统的定位误差为(9.4985 mm,11.285 mm,19.11 mm),满足使用要求。该研究可实现桑树嫩叶处枝干的识别与定位,有助于推动桑叶智能化采摘机器人研究。
展开更多
关键词
桑叶采摘
枝干识别定位
YOLO
v5
目标检测
注意力机制
坐标转换
在线阅读
下载PDF
职称材料
基于桑叶育的自动化养蚕装备设计与试验
3
作者
肖林
李丽
+1 位作者
唐华林
彭洪刚
《西南大学学报(自然科学版)》
2025年第10期169-180,共12页
针对目前人工养蚕费时费力、养蚕装备缺乏、现有装备工作效率低及撒喂桑叶精度不高等问题,设计了一种基于桑叶育的自动化养蚕装备。首先阐述了养蚕装备的整体结构和工作原理,通过对其关键部件的运动分析确定了关键结构参数,并明确了影...
针对目前人工养蚕费时费力、养蚕装备缺乏、现有装备工作效率低及撒喂桑叶精度不高等问题,设计了一种基于桑叶育的自动化养蚕装备。首先阐述了养蚕装备的整体结构和工作原理,通过对其关键部件的运动分析确定了关键结构参数,并明确了影响作业效果的主要因素。其次根据Box-Behnken试验设计原理,以撒喂桑叶的质量误差及饲喂精度为评价指标,以拨杆最低点离带间隙、桑叶输送带速度、蚕盘输送带速度为试验因素,在单因素试验基础上进行3因素3水平响应面试验。通过Design-Expert软件建立评价指标与试验因素之间的二次多项式回归模型,对试验结果进行方差分析和交互作用分析,并对试验因素进行综合优化。结果表明:当优化参数组合为桑叶输送带速度0.8 m/s、蚕盘输送带速度0.5 m/s、拨杆最低点离带间隙4 cm时,质量误差为5.8%,饲喂精度为95.7%,满足自动化养蚕装备作业要求。
展开更多
关键词
养蚕装备
撒喂桑叶
响应面分析
试验
在线阅读
下载PDF
职称材料
题名
基于改进YOLO v5的桑叶采摘与桑枝伐条识别定位方法
1
作者
申颜青
李丽
李渊明
童晓玲
周永忠
机构
西南大学工程技术学院
宜宾西南大学研究院
资源昆虫高效养殖与利用全国重点实验室
重庆祥飞智能科技有限公司
出处
《农业机械学报》
北大核心
2025年第8期487-495,共9页
基金
宜宾市双城协议保障科研经费科技项目(XNDX2022020015)
重庆市杰出青年科学基金项目(2022NSCQ-JQX0030)
中央高校基本科研业务费专项资金项目(SWU-XDJH202302)。
文摘
为应对桑树生长的多季节变化及形态多样性,同时满足其与养蚕周期相匹配的需求,解决当前桑叶自下而上采摘与桑枝伐条作业中对人工定位的依赖问题,本研究建立桑园2021年7月、2024年9月和11月各种气候与桑枝形态的数据集,提出基于改进YOLO v5的桑树枝干检测模型YOLO v5-cytp,构建基于深度相机的三维定位系统实现精准识别。首先,加入CA注意力机制,增强模型对桑枝底部的特征聚焦能力;然后将YOLO v5基础的CIoU损失函数替换为SIoU损失函数以提升训练速度与推理精度;最后采用轻量化GhostNet重构YOLO v5的骨干网络,在满足使用要求的前提下将模型轻量化。完成深度相机标定,实现RGB图像与深度图像对齐,经过坐标转换最终获取目标三维坐标。试验表明,YOLO v5-cytp模型平均精度均值达93.4%,相较YOLO v5原始模型提高1.2个百分点;同时内存占用量由3.79 MB降低为3.02 MB,降低20.31%;模型桑枝识别率达到91.11%;桑枝底部三维坐标(X,Y,Z)定位最大误差为(11.3,14.1,27.0)mm,符合误差允许值。模型可同时实现桑叶自下而上采摘与桑枝伐条作业的识别定位,可为桑园智能化采摘与伐条机器人提供参考。
关键词
桑叶采摘
桑枝伐条
YOLO
v5
目标检测
Keywords
mulberry leaf harvesting
mulberry branch pruning
YOLO v5
object detection
分类号
S4 [农业科学—植物保护]
在线阅读
下载PDF
职称材料
题名
基于改进YOLO v5的复杂环境下桑树枝干识别定位方法
被引量：
7
2
作者
李丽
卢世博
任浩
徐刚
周永忠
机构
西南大学工程技术学院
西南大学宜宾研究院
北京市农林科学院
智能
装备技术研究中心
重庆祥飞智能科技有限公司
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第2期249-257,共9页
基金
宜宾市双城协议保障科研经费科技项目(XNDX2022020015)
重庆市杰出青年科学基金项目(2022NSCQ-JQX0030)
中央高校基本科研业务费专项资金项目(SWU-XDJH202302、SWUS23099)。
文摘
为实现复杂自然环境下对桑树嫩叶处枝干的识别检测,改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状,解决识别目标姿态多样和环境复杂导致的低识别率问题,提出一种基于改进YOLO v5模型的桑树枝干识别模型(YOLO v5-mulberry),并结合深度相机构建定位系统。首先,在YOLO v5的骨干网络中加入CBAM(Convolutional block attention module)注意力机制,提高神经网络对桑树枝干的关注度;并增加小目标层使模型可检测4像素×4像素的目标,提高了模型检测小目标的性能;同时使用GIoU损失函数替换原始网络中的IoU损失函数,有效防止了预测框和真实框尺寸较小时无法正确反映预测框及真实框之间位置关系的情况;随后,完成深度图和彩色图的像素对齐,通过坐标系转换获取桑树枝干三维坐标。试验结果表明:YOLO v5-mulberry检测模型的平均精度均值为94.2%,较原模型提高16.9个百分点,置信度也提高12.1%;模型室外检测时应检测目标数53,实际检测目标数为48,检测率为90.57%;桑树嫩叶处枝干三维坐标识别定位系统的定位误差为(9.4985 mm,11.285 mm,19.11 mm),满足使用要求。该研究可实现桑树嫩叶处枝干的识别与定位,有助于推动桑叶智能化采摘机器人研究。
关键词
桑叶采摘
枝干识别定位
YOLO
v5
目标检测
注意力机制
坐标转换
Keywords
mulberry leaf picking
branch identification and location
YOLO v5
target detection
attention mechanism
coordinate transformation
分类号
S4 [农业科学—植物保护]
在线阅读
下载PDF
职称材料
题名
基于桑叶育的自动化养蚕装备设计与试验
3
作者
肖林
李丽
唐华林
彭洪刚
机构
西南大学工程技术学院
出处
《西南大学学报(自然科学版)》
2025年第10期169-180,共12页
基金
“宜宾市双城协议保障科研经费”科技项目(XNDX2022020015)
重庆市杰出青年科学基金项目(2022NSCQ-JQX3984)
中央高校基本科研业务费专项(SWU-XDJH202302,SWUS23099)。
文摘
针对目前人工养蚕费时费力、养蚕装备缺乏、现有装备工作效率低及撒喂桑叶精度不高等问题,设计了一种基于桑叶育的自动化养蚕装备。首先阐述了养蚕装备的整体结构和工作原理,通过对其关键部件的运动分析确定了关键结构参数,并明确了影响作业效果的主要因素。其次根据Box-Behnken试验设计原理,以撒喂桑叶的质量误差及饲喂精度为评价指标,以拨杆最低点离带间隙、桑叶输送带速度、蚕盘输送带速度为试验因素,在单因素试验基础上进行3因素3水平响应面试验。通过Design-Expert软件建立评价指标与试验因素之间的二次多项式回归模型,对试验结果进行方差分析和交互作用分析,并对试验因素进行综合优化。结果表明:当优化参数组合为桑叶输送带速度0.8 m/s、蚕盘输送带速度0.5 m/s、拨杆最低点离带间隙4 cm时,质量误差为5.8%,饲喂精度为95.7%,满足自动化养蚕装备作业要求。
关键词
养蚕装备
撒喂桑叶
响应面分析
试验
Keywords
sericulture equipment
feeding mulberry leaves
response surface analysis
experiment
分类号
TS272.3 [农业科学]
S887.32 [轻工技术与工程]
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YOLO v5的桑叶采摘与桑枝伐条识别定位方法
申颜青
李丽
李渊明
童晓玲
周永忠
《农业机械学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进YOLO v5的复杂环境下桑树枝干识别定位方法
李丽
卢世博
任浩
徐刚
周永忠
《农业机械学报》
EI
CAS
CSCD
北大核心
2024
7
在线阅读
下载PDF
职称材料
3
基于桑叶育的自动化养蚕装备设计与试验
肖林
李丽
唐华林
彭洪刚
《西南大学学报(自然科学版)》
2025
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
