【摘 要】
：
基于深度神经网络的果实识别和分割是采摘机器人作业成功的关键步骤,但由于网络参数多、计算量大,导致训练时间长,当模型部署到采摘机器人上则存在运行速度慢,识别精度低等问题。针对这些问题,该研究提出了一种改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法,采用跨阶段局部网络(Cross Stage Partial Network,CSPNet)与Mask R-CNN网络中的残差网络(Resi
论文部分内容阅读
基于深度神经网络的果实识别和分割是采摘机器人作业成功的关键步骤,但由于网络参数多、计算量大,导致训练时间长,当模型部署到采摘机器人上则存在运行速度慢,识别精度低等问题。针对这些问题,该研究提出了一种改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法,采用跨阶段局部网络(Cross Stage Partial Network,CSPNet)与Mask R-CNN网络中的残差网络(Residual Network,ResNet)进行融合,通过跨阶段拆分与级联策略,减少反向传播过程中重复的特征
其他文献
The gully is the most dynamic and changeable landform unit on the Loess Plateau, and the characteristics of gully landforms are key indicators of gully evolution. Different gully profiles are connecte
自《中共中央国务院关于支持浙江高质量发展建设共同富裕示范区的意见》发布以来,在浙江省委、省政府关于建设共同示范区各项指导意见下,海盐县测绘地理信息部门积极作为,明确共同富裕战略定位,为全县各类国土空间相关的规划、管理、决策提供技术支撑。针对海盐县近期的"古城复兴""高铁新城"的设计方案征集工作,海盐县测绘地理信息部门为项目的规划设计做到了强有力的保障。
"为了你在乎的东西值得冒险"。——《南极大冒险》南极,白雪皑皑的神秘王国,冰封千里的冰雪世界,探险家们梦寐以求的圣地。作为地球上最寒冷的冰雪天险,人类涉足南极的历史不过一百余年。随着人们对南极大陆了解的深入,人们逐渐发现南极地区是地球上具有独特地理环境、
传统船舶航向控制测试平台采用的判定机制为量化数据对比判定机制,在机制中通过两组判定参数的比较,根据误差值大小判定控制精准度。虽然能够快速得到控制结果,但是得到的结果稳定性较差,极易出现加大误差。为了解决此类问题,设计平台引入图像处理技术,将量化数据转换为图像数据,总结出一套图像处理技术的船舶航向控制测试平台。首先,创建航向控制测试图像采集硬件,然后在硬件数据处理层分别采用航向控制图像判定策略定义,
典型的高光谱图像解混利用端元选择技术,而高精度图像信息存在冗余,导致端元选择繁琐,影响了解混处理的效率和质量。因此,以提升光谱图像解混处理效率为研究目的,将研究高精度船舶高光谱图像的解混方法。利用改进连续投影算法对高光谱图像进行降维处理后,在生成对抗网络中引入Lipschitz约束和光谱规则,实现对高光谱图像的解混处理。仿真实验结果表明,在处理噪声为40 dB图像时,方法的处理时间仅为1.18 s
The accurate estimation of the end-effectors pose in large operating spaces is the key for the mobile manipulator to realize efficient manufacturing of large and complex components. We propose a novel
Model recognition of second-hand mobile phones has been considered as an essential process to improve the efficiency of phone recycling. However, due to the diversity of mobile phone appearances, it i
计算机视觉的飞速发展,使得采用视觉技术辅助无人船航行成为可能.在无人船巡航过程中,获取船体航向是航行控制的必备基础.特征匹配是无人船相关视觉技术中的重要部分,是目标识别和定位等功能的关键步骤.获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配.针对水域环境中的图像静态特征提取速度慢、精度低的问题,本文提出一种图像匹配方法以求取无人船的航行姿态角.首先对图像预处理,并对有效区域进行特
由于当今全球气候变化异常,农作物病虫害频发,而且农作物病种类多,成因复杂,其预防和识别难度较大,且传统病虫害识别方法大多靠人目视手查,需要一定的专家经验,具有主观性强、识别准确率低等缺点。而信息技术作为解决农作物病虫害智能、快速识别的新技术、新方法,我们计划利用农业信息大数据智能决策分析系统,建立完善一体化的智能农业信息监测系统等。本文便是基于深度学习将计算机视觉、图像识别等技术运用于农作物病虫害
针对现有卷积神经网络结构不能充分挖掘高低级语义特征的缺点,提出一种联合自学习的属性金字塔模块(JSLAPM),其由多维自学习模块(MSLM)和特征金字塔模块(FPM)构成,可应用到任意主干网络结构中。MSLM通过学习空间维度以及通道维度上的特征矩阵重要性来调整特征矩阵,而FPM通过融合不同深度的特征矩阵来增强特征属性的表达能力。此外,结合通道分离提取模块(CSEM),提出了一种特征金字塔注意力网络