摘要：水果识别是自动化采摘过程中的关键步骤,为了提高水果识别的准确性和实时性,利用深度学习方法,设计了一种水果采摘机器人视觉识别系统。首先,采用多种预处理方法对样本数据进行扩充,并对图像进行缩放和灰度化处理;然后,构建了一个多层卷积神经网络,通过多次训练得到网络最优超参数;最后,利用所构建的卷积神经网络对水果图像进行训练,同时采用多种训练策略得到最终的识别模型。实验结果表明:系统具有识别速度快、准确率高的特点,可以快速、准确地对水果图像进行识别,单张水果图像的识别速度只需0.2s,识别精度高达97%以上。该方法具有重要的理论和应用价值,可为水果的自动化识别提供有力手段。

摘要：针对已有道路交通标志检测方法速度慢、受环境影响大、检测效果差等问题,本文提出一种基于Faster-RCNN的道路交通标志多目标实时检测方法。首先,对Faster-RCNN目标检测原理进行深入分析;然后,优化Faster-RCNN网络结构,并选择出合适的预训练模型和网络超参数;最后,在德国交通标志检测数据集(German traffic sign detection dataset, GTSD)上设计多组对比试验,证明了该方法的有效性,单张图片检测时间为0.4 s,准确率达71%以上。在瑞典交通标志检测数据集(Sweden traffic sign detection dataset, STSD)上进行迁移测试,展现了良好的泛化能力,为智能汽车的应用提供了理论依据和技术支持。

摘要：采用四组被动同心转向结构的履带单元,设计了一种多履带式全向移动机器人,该机器人不仅具有全向移动的能力,也具备运行平稳、载重能力强等特点。机器人使用ST Nucleo-F446RE开发板为控制器,采用旋转电位器测量每组履带单元的偏转角度,通过电机驱动器独立控制8个履带运动,从而实现机器人的全向移动。实验采集了各个履带的运动速度和每组履带单元的偏转角度,通过航位推测法计算机器人在两种运动中的轨迹,验证了机器人的全向移动能力。

摘要：针对复杂网络节点庞大、计算复杂、控制成本高等问题,提出具有不连续激励函数和时滞的分数阶复杂网络的牵制同步方法。采用牵制控制方法,牵制系统的部分关键节点,进而控制整个网络。利用分数阶李雅普诺夫稳定性方法,设计一种新型的牵制反馈控制器,得到分数阶复杂网络同步准则。仿真实验证明所了本方法的有效性。