【摘 要】
：
中国统计局在2015年发布的农业数据显示,番茄的产量约占全国蔬菜总产量的10%,但目前国内番茄的采摘模式还是依赖于手工采摘,需要消耗大量的时间与精力。当前番茄检测的研究中仍然存在检测模型过大和检测不够精准的问题,不能够满足机器人实时采摘的需求。因此为了解决现阶段番茄检测模型过大的问题,本文在YOLOv4模型的基础上进行了轻量化处理;为了解决轻量化网络中出现的目标被遮挡不易识别的问题,本文在轻量化实
论文部分内容阅读
中国统计局在2015年发布的农业数据显示,番茄的产量约占全国蔬菜总产量的10%,但目前国内番茄的采摘模式还是依赖于手工采摘,需要消耗大量的时间与精力。当前番茄检测的研究中仍然存在检测模型过大和检测不够精准的问题,不能够满足机器人实时采摘的需求。因此为了解决现阶段番茄检测模型过大的问题,本文在YOLOv4模型的基础上进行了轻量化处理;为了解决轻量化网络中出现的目标被遮挡不易识别的问题,本文在轻量化实验性能最好的YOLOv4-m3模型上构建跨维度注意力机制模块,增强网络在被遮挡番茄上的检测效果。本文主要工作总结如下:（1）将MobileNet网络作为检测模型的特征提取模块,并采用深度可分离卷积操作代替常规卷积操作来降低参数容量从而提升运算的实时性。为了提高网络模型的训练效果,本文首先在公共数据集上对模型进行预训练,在此基础上对参数进行调节。实验结果显示改进后的模型大小降低为YOLOv4的五分之一,在保证检测精度的前提下模型检测时间明显缩短。（2）考虑到轻量化网络特征提取能力不足的问题,在路径聚合网络中添加挤压激励模块（SE）和卷积块注意力模块（CBAM）两种注意力机制,加强模型在空间和通道维度的特征提取能力。通过消融实验研究添加不同注意力机制对模型检测性能的影响,与YOLOv4-m3模型相比,添加了两种注意力机制的模型在被遮挡的番茄检测效果上具有最好的检测效果,m AP值相对于YOLOv4-m3提升了5.36%。（3）在Web端利用Python语言的flask框架搭建番茄成熟度检测系统。在移动端通过分析Android系统的实际需求和资源配置后,将改进后的番茄成熟度检测模型部署到移动端,实现了基于移动设备的轻量化番茄检测系统,能够满足检测番茄成熟度的需求。
其他文献
＜正＞国家坚定不移实现双碳战略，故而新能源电动汽车得到了高速发展。中汽协数据显示，2022年我国新能源汽车产销取得产销666.3万辆、649.8万辆的成绩，乘用车市场占有率已超四分之一。新能源汽车汇集了各行业的先进科技，其中无人驾驶技术就是一大亮点。它不仅能够解放驾驶员的双手，还直接关乎驾驶安全，备受行业关注。
近年来,我国农业信息化建设不断推进,大幅度提高了农业效益,增加了农民收入。但由于目前谷类作物领域信息化建设还不完善,网络中海量的谷类作物知识大多是非结构化或半结构化形式,农民、专家等相关从业者很难及时准确的从传统搜索引擎中获取所需信息。因此,本文拟构建一个基于知识图谱的问答系统,能将网络中碎片化的谷类作物知识转化为结构化知识存储,对促进谷类作物领域信息化发展具有重要意义。本文基于知识图谱和问答系统
鸟害普遍存在于各领域,面向鸟类的目标检测与识别具有重要意义。传统的鸟类检测与识别依赖人工,要求专家有较好的知识与经验储备,稳定性、效率较低。深度学习持续地发展,可将目标检测技术运用于此,以提升检测与识别效率。YOLOv3在该领域展现优异的水平,有结构简单、复现性好等特点。本文采用该算法为原始模型,通过若干改进策略以提升模型性能,且构建鸟类检测系统。主要工作如下:1)构建基于卷积神经网络的鸟类检测模
推荐系统通过分析用户与物品的历史交互行为来获取用户的偏好,挖掘用户的潜在需求,进而向用户推荐其可能感兴趣的商品。在当前常见的农产品推荐系统中,大部分模型没有充分使用用户与农产品的评论、评分等交互数据,因此难以学习到较为准确的用户偏好,导致推荐效果不佳。条件生成对抗网络以生成对抗网络为基础,能够较好地拟合输入的数据的分布。为了学习更为准确的用户偏好,本文通过融合BERT与图卷积神经网络,从用户与农产
花生作为我国常见的油料作物之一,幼苗期草害严重危害了花生的产量和品质,制约了花生生长。人工智能的飞速发展,大大提升了除草机器人的效率,但花生幼苗期伴生杂草叶片相似、田间背景复杂、光照强度多变以及目标遮挡等因素加大了研究难度。现有的机器除草搭载模型大、运算速度慢,多采用拍摄识别。因此,研究一种能够实现田间条件下实时、准确识别花生幼苗和杂草的算法对除草机器人的研发应用具有重要意义。本文主要研究工作和创
小麦在全世界范围内有着广泛的种植面积,小麦赤霉病害导致粮食大规模减产时有发生。为了应对赤霉病害的爆发,通常采用提前喷洒农药预防赤霉病害,但是在农药喷洒过程中经常出现药物滥用问题,不仅污染环境,而且增加了种植成本。为了更好解决农药污染、减少农药的滥用问题,准确、迅速的识别小麦赤霉病害并鉴定等级具有指导生产的作用。随着卷积神经网络发展,为赤霉病害的无损检测提供了理论依据。为了识别小麦赤霉病害并且对赤霉
光合作用维持植物自身生长,保持生态环境碳氧稳定性,反应光合速率大小成为植物光合监测的关键环节。本课题研制的光合仪因为现有设备中缺少同类型的移动监测方法,监测过程存在操作步骤繁冗、数据共享性偏差、仪器体积大且不方便携带等缺点,影响本系列仪器的用户体验和应用能力。本研究针对植物光合监测操作过程中存在的缺陷,设计以Android移动端监测方法为核心的便携式、可自主拆卸监测仪。通过3D建模集成,以草莓和天
基于农业科技高速发展的大背景下,依赖于移动机器人来有效地提升农业作业效能,是一种必然的发展方向。移动机器人的路径规划问题又是其技术研究的重要内容。路径规划所代表的含义是机器人的最优路径规划问题,就是按照工作成本最低、行驶时间最少、行驶的路径最佳等,在真实的作业环境里面,寻求一条由起点至终点的最佳路线,以保证安全且有成效地规避障碍。本论文基于实验果园采用双向A*与APF算法并对其优化,可以较为顺利地
随着科技的发展与无线传感技术的成熟,农业生产正向着无人化迈进。农业机械作为无人化建设的重要组成部分,正由传统化向智能化进行转变。利用靶向喷药机器人针对病害作物进行精准施药,可大大降级农药对环境的污染。而具有定位导航功能的靶向喷药机器人,能够减少农民生产负担,有效地减少农药对人体的危害、提高产量、降低生产成本、扩大农民的生产规模。本文针对农业田间环境及温室大棚,研究了靶向喷药机器人定位导航技术,并开
孤儿基因又被称为谱系特有基因,是指在一个谱系中特有并且与其他谱系所有基因没有序列相似性的基因。孤儿基因在许多植物的环境适应性方面起着重要作用,对孤儿基因的识别是了解其生物学功能的关键一步。传统的生物学方法识别物种中的孤儿基因需要耗费大量的时间、物力和人力,同时容易受到计算方法的影响。因此,开发一种高效、高精度的孤儿基因识别计算方法具有重要意义。针对二分类任务,大多数传统机器学习模型的性能依赖于特征