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
共找到5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：
复杂野外环境下油茶果快速鲁棒检测算法
1
作者 周浩 唐昀超 +3 位作者 邹湘军 王红军 陈明猷 黄钊丰 《现代电子技术》 2022年第15期73-79,共7页
为了提高移动采摘机器人在复杂野外环境下检测油茶果的速度和鲁棒性,在YOLOv4⁃tiny网络的基础上提出YOLO⁃Oleifera网络。首先将两个1×1和3×3的卷积核分别添加至YOLOv4⁃tiny网络的第2个和第3个CSPBlock模块之后,以有助于学习... 为了提高移动采摘机器人在复杂野外环境下检测油茶果的速度和鲁棒性,在YOLOv4⁃tiny网络的基础上提出YOLO⁃Oleifera网络。首先将两个1×1和3×3的卷积核分别添加至YOLOv4⁃tiny网络的第2个和第3个CSPBlock模块之后,以有助于学习油茶果的特征信息和减少计算复杂度;接着使用K⁃means++先验框聚类算法代替YOLOv4⁃tiny网络使用的K⁃means先验框聚类算法,以获得满足油茶果尺寸的聚类结果。消融实验证明了网络改进的有效性。分别测试光照和阴影环境下的油茶果图像,实验表明YOLO⁃Oleifera网络在不同光照条件下检测油茶果具有鲁棒性。此外,对比实验表明被遮挡的油茶果因为语义信息的缺失而导致Precision和Recall降低。将YOLO⁃Oleifera网络的测试结果与YOLOv5⁃s、YOLOv3⁃tiny和YOLOv4⁃tiny网络进行比较,结果显示YOLO⁃Oleifera网络的AP最高,而且YOLO⁃Oleifera网络占用硬件资源最小。此外,YOLO⁃Oleifera网络检测图像平均花费31 ms,能够满足移动采摘机器人的实时检测需求。因此,提出的YOLO⁃Oleifera网络更加适合搭载在移动采摘机器人上进行检测任务。 展开更多
关键词 目标检测 YOLOv4⁃tiny网络 深度学习 卷积核 采摘机器人 K⁃means++ 鲁棒性
下载PDF
基于虚拟碰撞体的弧齿锥齿轮网格实体构建算法 被引量：5
2
作者 李承恩 邹湘军 +3 位作者 曾泽钦 何建华 李慧 黄钊丰 《系统仿真学报》 CAS CSCD 北大核心 2021年第4期837-844,共8页
为提升拖拉机后桥生产自动化、智能化水平和生产效率,构建了基于虚拟碰撞体的弧齿锥齿轮网格实体进行拖拉机后桥人机交互虚拟仿真试验。结合格里森制弧齿锥齿轮加工过程,分析圆弧直齿轮的加工工艺,运用运动学建立弧齿锥齿轮成型工艺的... 为提升拖拉机后桥生产自动化、智能化水平和生产效率,构建了基于虚拟碰撞体的弧齿锥齿轮网格实体进行拖拉机后桥人机交互虚拟仿真试验。结合格里森制弧齿锥齿轮加工过程,分析圆弧直齿轮的加工工艺,运用运动学建立弧齿锥齿轮成型工艺的数学模型;运用微分法和插值法对齿轮曲线和曲面进行拟合,求解出弧齿锥齿轮轮廓点集,构建弧齿锥齿轮的网格实体和碰撞体,并使用曲率检验对网格实体的轮廓精度进行验证。结果表明:该算法能准确地拟合格里森制弧齿锥齿轮的轮廓。 展开更多
关键词 UNITY3D 格里森制弧齿锥齿轮 虚拟碰撞体 虚拟装配
原文传递
基于混合粒子群算法的组合式变速箱传动比优化研究 被引量：6
3
作者 汪润鸿 王红军 +4 位作者 邹湘军 曾泽钦 李慧 黄钊丰 刘伟良 《系统仿真学报》 CAS CSCD 北大核心 2021年第4期825-836,共12页
针对组合式变速箱传动比分配难以得到最优方案的问题,提出基于混合粒子群算法的组合式多档位变速箱的传动比优化方法。基于多目标粒子群算法,引入具有自我更新机制的领导种群,构成混合粒子群算法。以各段单级变速的传动比为变量,结合传... 针对组合式变速箱传动比分配难以得到最优方案的问题,提出基于混合粒子群算法的组合式多档位变速箱的传动比优化方法。基于多目标粒子群算法,引入具有自我更新机制的领导种群,构成混合粒子群算法。以各段单级变速的传动比为变量,结合传动链布局,以驱动功率损失率、比油耗损失率等为优化目标,以理论车速等为约束条件,建立多目标优化模型,并与非支配遗传算法-Ⅱ、多目标粒子群算法的优化结果进行了对比。结果表明:采用混合粒子群算法可实现驱动功率损失率下降17.47%和比油耗损失率下降35.12%,具有良好的应用价值。 展开更多
关键词 组合式变速箱 传动比优化 混合粒子群算法 多目标优化
原文传递
基于主干双尺度特征融合的裂缝宽度视觉测量
4
作者 黄钊丰 唐昀超 +3 位作者 邹湘军 陈明猷 周浩 邹天龙 《激光与光电子学进展》 CSCD 北大核心 2022年第10期273-283,共11页
机器视觉对裂缝进行宽度测量时存在测量方向不能有效反映裂缝真实宽度方向、测量不精确的问题。为此,以水库大坝的裂缝为对象,主要研究了裂缝主干提炼和宽度测量方法。在图像细化的基础上进行进一步精简,得到裂缝的主干,其主干每点的八... 机器视觉对裂缝进行宽度测量时存在测量方向不能有效反映裂缝真实宽度方向、测量不精确的问题。为此,以水库大坝的裂缝为对象,主要研究了裂缝主干提炼和宽度测量方法。在图像细化的基础上进行进一步精简,得到裂缝的主干,其主干每点的八邻域总点数不超过2,精简了冗余的数据点,邻域分布种类数减至16种,增强了主干对裂缝形状的描述能力;融合主干宏观和微观特征作为宽度测量方向的依据,获得较对比方法更为准确的测量方向,实现裂缝宽度连续、准确的视觉测量。增加测量召回率与方向误差两种评估标准,全面地验证所提方法的准确性。所提方法具有实际工程应用的前景,并为其他细长不规则目标的径向视觉测量提供参考。 展开更多
关键词 机器视觉 视觉测量 裂缝测量 图像细化 多尺度特征融合
原文传递
基于U-net神经网络算法和改进的细化算法的水坝混凝土裂缝测量 被引量：9
5
作者 唐昀超 陈正 +2 位作者 黄钊丰 农喻媚 李丽娟 《实验力学》 CSCD 北大核心 2022年第2期209-220,共12页
以水坝裂缝的视觉识别与计算为目标,融合U-net神经网络算法和改进图像细化算法,提出大坝裂缝识别和宽度计算的方法。首先,采用U-net处理1500张水坝裂缝图像样本,得到裂缝预分割模型;接着,采用改进的细化算法提取裂缝骨架分割模型;最后,... 以水坝裂缝的视觉识别与计算为目标,融合U-net神经网络算法和改进图像细化算法,提出大坝裂缝识别和宽度计算的方法。首先,采用U-net处理1500张水坝裂缝图像样本,得到裂缝预分割模型;接着,采用改进的细化算法提取裂缝骨架分割模型;最后,结合预分割结果和骨架分割模型得到水坝裂缝的准确信息。结果表明,使用U-net神经网络算法作为裂缝检测的预处理算法,可显著提高算法的鲁棒性。改进的细化算法在应对细小裂缝时,骨架提取的命中率在80.17%以上。基于U-net神经网络算法和改进的细化算法分割裂缝的平均准确率、召回率和F1分数分别为92.75%、73.45%和81.86,视觉测量裂缝宽度的误差平均值为8.7%。与主流深度学习方法相比,本研究不依赖于大量训练样本且避免了设置过多的人工阈值,具有显著的实用性和稳定性。本文所述方法可以迁移应用到更多的类似场景中,为实现基础设施智能自动监测与预警提供数据和技术支撑。 展开更多
关键词 图像细化 骨架提取 深度学习 裂缝尺寸
原文传递
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
使用帮助 返回顶部