期刊导航
期刊开放获取
重庆大学
退出
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
基于摇振收获设备的核桃树复杂分枝特性研究
1
作者
韩嘉鑫
周建平
+2 位作者
许燕
王世江
汤嘉盛
《农机化研究》
北大核心
2024年第2期157-162,197,共7页
为确定大型果树树干摇振收获设备的激振参数,探究大型果树复杂分枝的共振特性,以南疆核桃树为研究对象,应用自主研发的树干摇振收获设备开展核桃树扫频共振检测试验,通过试验得到样本树检测点时间-加速度响应幅值曲线与激振频率-加速度...
为确定大型果树树干摇振收获设备的激振参数,探究大型果树复杂分枝的共振特性,以南疆核桃树为研究对象,应用自主研发的树干摇振收获设备开展核桃树扫频共振检测试验,通过试验得到样本树检测点时间-加速度响应幅值曲线与激振频率-加速度响应幅值曲线,并进行分析。结果表明:核桃树分枝生长方向受扫频激振影响较小;核桃树复杂分枝上的主枝与其上分枝共振频率一致,样本树复杂分枝检测点的共振频率方差最大值为0.038Hz,小于0.05Hz;核桃树复杂分枝的分枝长径比与分枝共振响应幅值呈正相关,样本树复杂分枝的分枝长径比与Z轴共振响应幅值的相关系数为0.455,呈密切正相关。研究可为大型果树树干摇振收获设备激振频率的确定奠定基础。
展开更多
关键词
核桃树
复杂分枝
共振特性
树干摇振收获
扫频共振检测
下载PDF
职称材料
基于改进卷积神经网络的在体青皮核桃检测方法
被引量：
11
2
作者
樊湘鹏
许燕
+3 位作者
周建平
刘新德
汤嘉盛
魏禹同
《农业机械学报》
EI
CAS
CSCD
北大核心
2021年第9期149-155,114,共8页
采摘机器人对核桃采摘时,需准确检测到在体核桃目标。为实现自然环境下青皮核桃的精准识别,研究了基于改进卷积神经网络的青皮核桃检测方法。以预训练的VGG16网络结构作为模型的特征提取器,在Faster R-CNN的卷积层加入批归一化处理、利...
采摘机器人对核桃采摘时,需准确检测到在体核桃目标。为实现自然环境下青皮核桃的精准识别,研究了基于改进卷积神经网络的青皮核桃检测方法。以预训练的VGG16网络结构作为模型的特征提取器,在Faster R-CNN的卷积层加入批归一化处理、利用双线性插值法改进RPN结构和构建混合损失函数等方式改进模型的适应性,分别采用SGD和Adam优化算法训练模型,并与未改进的Faster R-CNN对比。以精度、召回率和F1值作为模型的准确性指标,单幅图像平均检测时间作为速度性能评价指标。结果表明,利用Adam优化器训练得到的模型更稳定,精度高达97.71%,召回率为94.58%,F1值为96.12%,单幅图像检测耗时为0.227 s。与未改进的Faster R-CNN模型相比,精度提高了5.04个百分点,召回率提高了4.65个百分点,F1值提升了4.84个百分点,单幅图像检测耗时降低了0.148 s。在园林环境下,所提方法的成功率可达91.25%,并且能保持一定的实时性。该方法在核桃识别检测中能够保持较高的精度、较快的速度和较强的鲁棒性,能够为机器人快速长时间在复杂环境下识别并采摘核桃提供技术支撑。
展开更多
关键词
青皮核桃
采摘机器人
目标检测
卷积神经网络
改进Faster
R-CNN
下载PDF
职称材料
基于改进Faster R-CNN的核桃识别和定位
被引量：
4
3
作者
樊湘鹏
许燕
+2 位作者
周建平
刘新德
汤嘉盛
《燕山大学学报》
CAS
北大核心
2021年第6期544-551,共8页
为实现核桃园林中青皮核桃的识别与定位,设计了基于深度卷积神经网络的机器视觉检测方法。该方法在Faster R-CNN模型基础上加入批归一化处理和感兴趣区域校准算法,对比4种不同特征提取器,建立适合本研究的卷积神经网络模型,并与其他主...
为实现核桃园林中青皮核桃的识别与定位,设计了基于深度卷积神经网络的机器视觉检测方法。该方法在Faster R-CNN模型基础上加入批归一化处理和感兴趣区域校准算法,对比4种不同特征提取器,建立适合本研究的卷积神经网络模型,并与其他主流检测算法进行对比试验。研究表明,在Faster R-CNN模型框架下使用VGG16特征提取器具有更优的性能,平均精确率为97.56%,平均检测耗时为0.219 s,与原始Faster R-CNN模型相比,改进后的算法模型精确率提高了5.19%,平均检测耗时减少了0.156 s;与YOLO v3、YOLO v4和SSD300等检测算法相比,所提方法在平均精确率和识别速度上具有综合优势。利用视频影像验证了该方法在园林环境中识别的可行性,能够保持较高的平均精确率和实时性。所提方法能够为机器人自动采摘核桃提供研究基础。
展开更多
关键词
核桃检测
改进Faster
R-CNN
批归一化
感兴趣区域校准
特征提取器
下载PDF
职称材料
题名
基于摇振收获设备的核桃树复杂分枝特性研究
1
作者
韩嘉鑫
周建平
许燕
王世江
汤嘉盛
机构
新疆大学机械工程学院
出处
《农机化研究》
北大核心
2024年第2期157-162,197,共7页
基金
新疆维吾尔自治区创新团队项目(2022D14002)。
文摘
为确定大型果树树干摇振收获设备的激振参数,探究大型果树复杂分枝的共振特性,以南疆核桃树为研究对象,应用自主研发的树干摇振收获设备开展核桃树扫频共振检测试验,通过试验得到样本树检测点时间-加速度响应幅值曲线与激振频率-加速度响应幅值曲线,并进行分析。结果表明:核桃树分枝生长方向受扫频激振影响较小;核桃树复杂分枝上的主枝与其上分枝共振频率一致,样本树复杂分枝检测点的共振频率方差最大值为0.038Hz,小于0.05Hz;核桃树复杂分枝的分枝长径比与分枝共振响应幅值呈正相关,样本树复杂分枝的分枝长径比与Z轴共振响应幅值的相关系数为0.455,呈密切正相关。研究可为大型果树树干摇振收获设备激振频率的确定奠定基础。
关键词
核桃树
复杂分枝
共振特性
树干摇振收获
扫频共振检测
Keywords
walnut tree
complex branching
resonance characteristics
shaking trunk
sweep resonance detection
分类号
S225.93 [农业科学—农业机械化工程]
下载PDF
职称材料
题名
基于改进卷积神经网络的在体青皮核桃检测方法
被引量：
11
2
作者
樊湘鹏
许燕
周建平
刘新德
汤嘉盛
魏禹同
机构
新疆大学机械工程学院
新疆维吾尔自治区农牧机器人及智能装备工程研究中心
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2021年第9期149-155,114,共8页
基金
新疆维吾尔自治区研究生科研创新项目(XJ2019G033)
国家级大学生创新创业训练项目(201810755079S)
叶城县农产品销售“双线九进”和沪喀品牌推广项目(KSHSY-2019-09-01)。
文摘
采摘机器人对核桃采摘时,需准确检测到在体核桃目标。为实现自然环境下青皮核桃的精准识别,研究了基于改进卷积神经网络的青皮核桃检测方法。以预训练的VGG16网络结构作为模型的特征提取器,在Faster R-CNN的卷积层加入批归一化处理、利用双线性插值法改进RPN结构和构建混合损失函数等方式改进模型的适应性,分别采用SGD和Adam优化算法训练模型,并与未改进的Faster R-CNN对比。以精度、召回率和F1值作为模型的准确性指标,单幅图像平均检测时间作为速度性能评价指标。结果表明,利用Adam优化器训练得到的模型更稳定,精度高达97.71%,召回率为94.58%,F1值为96.12%,单幅图像检测耗时为0.227 s。与未改进的Faster R-CNN模型相比,精度提高了5.04个百分点,召回率提高了4.65个百分点,F1值提升了4.84个百分点,单幅图像检测耗时降低了0.148 s。在园林环境下,所提方法的成功率可达91.25%,并且能保持一定的实时性。该方法在核桃识别检测中能够保持较高的精度、较快的速度和较强的鲁棒性,能够为机器人快速长时间在复杂环境下识别并采摘核桃提供技术支撑。
关键词
青皮核桃
采摘机器人
目标检测
卷积神经网络
改进Faster
R-CNN
Keywords
green walnut
harvesting robot
target detection
convolutional neural network
improved Faster R-CNN
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进Faster R-CNN的核桃识别和定位
被引量：
4
3
作者
樊湘鹏
许燕
周建平
刘新德
汤嘉盛
机构
新疆大学机械工程学院
新疆大学新疆维吾尔自治区农牧机器人及智能装备工程技术研究中心
新疆叶城县核桃产业研究中心
出处
《燕山大学学报》
CAS
北大核心
2021年第6期544-551,共8页
基金
国家自然科学基金资助项目(51765063)
国家级大学生创新创业训练计划项目(201810755079S)
新疆维吾尔自治区研究生科研创新项目(XJ2019G033)。
文摘
为实现核桃园林中青皮核桃的识别与定位,设计了基于深度卷积神经网络的机器视觉检测方法。该方法在Faster R-CNN模型基础上加入批归一化处理和感兴趣区域校准算法,对比4种不同特征提取器,建立适合本研究的卷积神经网络模型,并与其他主流检测算法进行对比试验。研究表明,在Faster R-CNN模型框架下使用VGG16特征提取器具有更优的性能,平均精确率为97.56%,平均检测耗时为0.219 s,与原始Faster R-CNN模型相比,改进后的算法模型精确率提高了5.19%,平均检测耗时减少了0.156 s;与YOLO v3、YOLO v4和SSD300等检测算法相比,所提方法在平均精确率和识别速度上具有综合优势。利用视频影像验证了该方法在园林环境中识别的可行性,能够保持较高的平均精确率和实时性。所提方法能够为机器人自动采摘核桃提供研究基础。
关键词
核桃检测
改进Faster
R-CNN
批归一化
感兴趣区域校准
特征提取器
Keywords
walnut detection
improved Faster R-CNN
batch normalization
region of interest calibration
feature extractor
分类号
TP389.1 [自动化与计算机技术—计算机系统结构]
S24 [农业科学—农业电气化与自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于摇振收获设备的核桃树复杂分枝特性研究
韩嘉鑫
周建平
许燕
王世江
汤嘉盛
《农机化研究》
北大核心
2024
0
下载PDF
职称材料
2
基于改进卷积神经网络的在体青皮核桃检测方法
樊湘鹏
许燕
周建平
刘新德
汤嘉盛
魏禹同
《农业机械学报》
EI
CAS
CSCD
北大核心
2021
11
下载PDF
职称材料
3
基于改进Faster R-CNN的核桃识别和定位
樊湘鹏
许燕
周建平
刘新德
汤嘉盛
《燕山大学学报》
CAS
北大核心
2021
4
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
