摘要：针对视频预测中空间结构信息细节和时序运动依赖关系难以准确预测的问题,受人类视觉过程的启发,提出一种基于差分注意力机制的时空小波分析视频预测算法.首先利用时空小波分析模块对视频内容进行多频分解,增强模型对于高频细节信息以及过程性运动的理解能力;然后利用差分注意力机制指导模型更高效、合理地分配注意力资源,提升对瞬时运动特征的表达能力.在KTH, Cityscapes, BAIR, KITTI, Caltech Pedestrian数据集上的实验结果表明,所提算法在PSNR, SSIM, LPIPS评价指标上取得了比已有算法更优异的效果;同时,可视化的对比也表明所提算法的预测结果更加清晰.

摘要：大数据、物联网和人工智能等现代信息技术在农业中的广泛应用,推动了农业农村现代化和智慧农业的发展,带动了农业经营主体对科技与知识的旺盛需求,农业知识服务成为农业转型升级和高质量发展的重要引擎。为解决现有农业知识分散无序、更新不及时、面向经营主体的知识服务不平衡、供需脱节等问题,本文总结分析了国内外农业知识服务的研究与实践现状,提出了一套基于农业全产业链、按照农业数据的全生命周期、面向农业经营主体的农业智能知识服务体系框架,设计了基于智能物联网(Artificial Intelligence&Internet of Things,AIoT)的农情感知与大数据汇聚治理、基于知识图谱的农业知识组织与计算挖掘,以及基于多场景的农业智能知识服务三个层次。文中归纳了包括空天地AIoT全维度农情感知、多源异构农业大数据汇聚治理、知识建模、知识抽取、知识融合、知识推理、跨媒体检索、智能问答、个性化推荐技术、决策支持等农业智能知识服务涉及的关键技术,并举例了其研究应用。最后从农业数据获取、模型构建、知识组织、智能知识服务技术和应用推广等方面探讨了未来农业智能知识服务的发展趋势及对策建议。总结发现,农业智能知识服务是破解当前农业知识服务供需矛盾,实现跨媒体农业数据到知识的跨越,推动农业知识服务向个性化、精准化和智能化升级的关键,亦是农业科技自立自强、现代农业提质增效的重要支撑。

摘要：针对工业领域零件生产线分拣系统存在识别速度慢、准确率较低的问题,设计了基于FPGA与卷积神经网络的零件识别系统。采用FPGA作为硬件平台,采集零件图像,对图像进行预处理,读取Hu不变矩作为零件形状特征,将该特征作为卷积神经网络的输入,实现不同零件类型的自动识别,完成了系统硬件和软件的设计。实验表明系统检测的平均准确率为98.24%,速度为875 ms/次,对光照和姿态有较强的鲁棒性,在生产线零件分拣系统应用中有一定的推广价值。

摘要：樱桃番茄串生长姿态多样、果实成熟度不一,采摘机器人进行“粒收”作业时,常面临果梗干涉末端执行器、成熟度判断错误等问题,导致采摘效率低下、难以有效实现分级采收。针对上述问题,该研究提出一种级联视觉检测流程,包括采收目标检测、目标果实特性判别、果实与果梗位置关系判断3个关键环节。首先根据农艺要求按成熟度将番茄果实分为4个等级,引入YOLOv5目标检测模型对番茄串和番茄果实进行检测并输出成熟度等级,实现分期采收。然后对果实与果梗的相对位置进行判断,利用MobileNetv3网络模型对膨胀包围盒进行果实与果梗相对位置关系判断,实现末端执行器采摘位姿控制。日光温室实际测试结果表明,本文提出的级联检测系统平均推理用时22ms,在IOU(intersection over union)阈值为0.5的情况下,樱桃番茄串与果实的平均检测精度达到89.9%,满足采摘机器人的视觉检测精度和实时性要求,相比末端执行器以固定角度靠近待采目标的方法,本文方法采收效率提升28.7个百分点。研究结果可为各类果蔬采摘机器人研究提供参考。

摘要：任务分配是影响移动机器人拣货系统效率的关键决策问题。针对具有差异化客户评级特征的业务场景,考虑系统的动态任务耗时特性和拣选站播种墙容量约束,提出了一种基于混合启发式算法的集中式任务分配方法。首先,在客户订单优先级约束下构建以最大完工时间最小为目标的任务分配优化模型。其次,考虑机器人在任务执行中因加减速、转弯、升降货架、排队等待导致的动态任务耗时以及播种墙容量限制,设计最大完工时间生成方案。随后,开发基于记忆精英种群的灾变自适应大邻域搜索算法(MEPCALNS)对模型进行求解,提高了传统自适应大邻域搜索算法的搜索深度和搜索效率。最后,通过数值实验证明了算法的有效性和稳定性。研究成果有利于提高移动机器人拣货系统的分拣效率。

摘要：为了解决畜牧业有限空间清洗作业劳动强度大、工作环境差、工作效率低的问题,试验以养猪场内的水泡粪粪沟清洗为研究对象,设计了一种可实现自动化作业的清洗机器人。结合清洗对象的特点,对清洗机器人进行总体方案设计,清洗机器人带动高压水喷头在粪沟底部行进,通过高压水的冲洗作用带走粪污。清洗机器人本体采用单节履带式移动底盘,实现清洗机器人的行走驱动及其他系统的承载;采用云台系统控制高压水打击位置;以ARM芯片STM32F103作为控制系统的核心控制器,通过控制伺服驱动电机、红外避障传感器、舵机、超声波测距传感器等完成清洗机器人的各个动作。设计清洗机器人的自动控制流程,以完成全流程的自动化作业。同时以人工清洗为对照,在广西壮族自治区来宾市试验场的产仔舍验证清洗机器人的清洗效果。结果表明:设计的粪沟清洗机器人可以有效实现水泡粪粪沟的自动清洗。相对于人工清洗,清洗机器人清洗一条粪沟用时由23′10″降低为15′49″,极显著提升了清洗效率(P<0.01);用水量由478 L降低为325 L,极显著降低了用水量(P<0.01);清洁率由98.58%提升为99.36%,极显著提高了清洁率(P<0.01)。说明采用清洗机器人作业可满足水泡粪粪沟清洗的要求,为畜牧业有限空间的清洗作业提供了一种有效方案。

摘要：为解决自动化弯管CAD/CAM系统中弯管数字化模型到加工坐标参数之间的转换问题,提出了基于Open CASCADE的弯管参数提取与参数化建模的方法。通过开源三维几何引擎Open CASCADE读取弯管数字化模型并提取弯管的几何参数信息,然后通过弯管几何参数信息到加工坐标参数的转换方法获得弯管加工坐标参数。根据弯管加工原理通过弯管加工坐标参数使用Open CASCADE来建立弯管数字化模型。根据以上参数提取和参数化建模方法,开发了弯管参数提取与参数化建模软件系统,实现了弯管数字化模型与加工坐标参数的相互转换。该系统能应用于弯管的设计与制造过程,为实现自动化弯管CAD/CAM系统奠定了基础。

摘要：目的现有图像级标注的弱监督分割方法大多利用卷积神经网络获取伪标签,其覆盖的目标区域往往过小。基于Transformer的方法通常采用自注意力对类激活图进行扩张,然而受其深层注意力不准确性的影响,优化之后得到的伪标签中背景噪声比较多。为了利用该两类特征提取网络的优点,同时结合Transformer不同层级的注意力特性,构建了一种结合卷积特征和Transformer特征的自注意力融合调制网络进行弱监督语义分割。方法采用卷积增强的Transformer(Conformer)作为特征提取网络,其能够对图像进行更加全面的编码,得到初始的类激活图。设计了一种自注意力层级自适应融合模块,根据自注意力值和层级重要性生成融合权重,融合之后的自注意力能够较好地抑制背景噪声。提出了一种自注意力调制模块,利用像素对之间的注意力关系,设计调制函数,增大前景像素的激活响应。使用调制后的注意力对初始类激活图进行优化,使其覆盖较多的目标区域,同时有效抑制背景噪声。结果在最常用的PASCAL VOC 2012(pattern analysis,statistical modeling and computational learning visual object classes 2012)数据集和COCO 2014(common objectes in context 2014)数据集上利用获得的伪标签进行分割网络的训练,在对比实验中本文算法均取得最优结果,在PASCAL VOC验证集上,平均交并比(mean intersection over union,mIoU)达到了70.2%,测试集上mIoU值为70.5%,相比对比算法中最优的Transformer模型,其性能在验证集和测试集上均提升了0.9%,相比于卷积神经网络最优方法,验证集上mIoU提升了0.7%,测试集上mIoU值提升了0.8%。在COCO 2014验证集上结果为40.1%,与对比算法中最优方法相比分割精度提高了0.5%。结论本文提出的弱监督语义分割模型,结合了卷积神经网络和Transformer的优点,通过对Transformer自注意力进行自适应融合调制,得到了图像级标签下目前最优的语义分割结果,该方法可应用于三维重建、机器人场景理解等应用领域。此外,所构建的自注意力自适应融合模块和自注意力调制模块均可嵌入到Transformer结构中,为具体视觉任务获取更鲁棒、更具鉴别性的特征。

摘要：为了仿真柔性生产过程以验证理论计算分析的正确性和发现生产过程中的其他重要优化决策要素,设计开发了面向自动化生产线柔性制造过程的优化决策仿真平台。构建了仿真平台框架,包括企业生产层、优化决策层、数据资源层、功能模块层等四个层次。在此基础上,详细阐述了功能模块层的生产布局模块、运行配置模块、运行仿真模块的功能实现,以及优化决策模块对内外部算法连接和静动态产线研究的支持。运用平台仿真江苏省常州市某高端装备制造企业汽车关键零部件的生产过程,阐释其应用过程。

摘要：很多现实优化问题不仅有昂贵目标也有昂贵约束,而现有求解昂贵优化问题的代理模型辅助演化算法(SAEAs)通常对候选解的所有约束进行评估,在评估次数有限的情况下,频繁评估可行域较大的约束不利于种群演化。针对这一问题,研究了求解昂贵约束优化问题的代理模型辅助算法,提出了一种自适应约束评估策略,根据种群演化情况评估可行域信息较少的约束,以节省在可行域较大的约束上的评估次数,在少量昂贵评估次数下自适应进行约束的选择及评估,更好地演化种群;为验证该策略的有效性和通用性,从两个思路设计了两种自适应约束评估的高斯过程回归模型辅助差分进化算法。这两种方法在15个约束优化测试函数中的11个取得显著优异效果;在利用时间延迟模拟昂贵评估次数的情况下,效率提升均在94%以上,其中91.67%的测试例子效率提升在98%以上。另外,这两种方法在4个工业应用问题中均取得优胜效果,表明其在昂贵工业约束优化问题中良好的应用前景。