摘要：为探索在自然苹果园环境中对高度遮挡果实进行机器人自动化采摘,提出基于RGB与Depth图像双输入的YOLO-RD-Apple果园异源图像遮挡果实检测模型。使用轻量化的MobileNetV2并在此基础上设计的更加轻量化的MobileNetV2-Lite分别作为RGB和Depth图像的特征提取器,保证特征提取能力的同时降低网络的计算量;将CSPNet与深度可分离卷积结合SE注意力模块,提出全新的SE-DWCSP3模块对PANet结构进行改进,提升网络对于残缺苹果目标的特征提取能力;引入SoftNMS算法替代一般NMS算法,以减少对密集目标的错误抑制现象,降低被遮挡苹果的漏检率。实验结果表明,YOLO-RD-Apple在自然遮挡苹果数据集上性能优秀,在测试集上的AP值达到93.1%,较YOLOv4提升了1.4%,参数量则降低了70%,在GPU(V100)的检测速度达到40.5FPS,较YOLOv4速度提升了12.5%,在检测精度和速度上均有不同程度地提升,同时降低了网络参数量,更加适用于实际果园苹果采摘场景。

摘要：基于MATLAB GUI的《信号与系统》课程仿真平台实验设计,主要是利用MATLAB的强大功能,绘制出《信号与系统》中不同冲激函数的响应,方便对比学习不同的波形。在该仿真平台中,分别设计一个主界面和八个子界面:主界面是设计平台的总入口,通过GUIDE工具箱中的各个控件,实现对子界面的跳转,使得子界面与主界面相互联系,方便用户使用;子界面中包括《信号与系统》一书中八个章节的内容。在该平台中,用户可以反复多次地输入不同信号的不同参数,使得平台产生不同的波形,这对于研究信号的响应十分便利。

摘要：在农业发展过程中,果实采摘是极度耗费人力的工作。为了减少农业生产过程中的人工成本,将人工智能应用于农业领域将是一种有效手段。基于单片机的控制设计出一款智能抓取系统,拥有六关节高自由度机械臂;爪子采用柔性材料,在加强爪子和果实贴合度的情况下减少对果实的损伤程度;采用视觉系统进行图像处理,并采集三位坐标;采用避障系统控制小车前进;通过增加蓝牙模块让人工参与变得更加简便。本文设计的基于单片机的多关节机械臂抓取系统,有望提高农业采摘的效率,减少人工成本,将农业生产过程智能化。