摘要：中国在水果产量方面处于全球领先地位,但因人力资源减少和老龄化问题,传统的人工采摘方式已经无法满足快速高效的采摘需求,研发集成计算机视觉的自动化水果采摘设备成为解决劳动力短缺难题的关键。水果大多呈类球状,相关的识别算法研究居多,探讨了柑橘、蜜桃等类球状水果的识别算法。根据应用场景的不同,分析了传统类球状水果识别算法与基于深度学习的类球状水果识别算法在网络结构方面的差异与改进,对水果采摘识别算法进行总结并提出算法的未来发展趋势。传统算法在简单场景下表现有效,但在复杂环境中往往会受到设计特征的限制,基于深度学习的算法因其高效性和准确性更适合自动化水果采摘的需求。总结了类球状水果识别算法的研究进展,在处理复杂环境时深度学习算法具有良好的有效性和适应性,更适合部署在自动化采摘设备;也提出了未来的研究方向,即通过优化算法性能、数据集构建及扩增,以及结合多模态数据提升算法的精度和适应性。

摘要：跌倒已成为公共安全最大的风险之一,及时发现跌倒是开展有效救助的首要前提。基于计算机视觉的目标检测是当前跌倒检测的主流方法,但真实场景中的复杂因素导致现有模型仍面临准确率不高、鲁棒性不强和部署困难等问题,在EfficientDet基础上提出轻量级跌倒检测模型FD-EfficientDet,该模型首先将EMA注意力机制引入主干网络来增强对输入数据的理解和表示能力,提升检测准确率;其次,设计EMA-Fused-MBConv模块用于主干网络,加快模型训练和防止模型退化;最后,提出SKIPS-BiFPN结构并用其构建Neck层,实现主干网络不同阶段特征的加权融合,进而增强模型鲁棒性。实验结果表明,FD-EfficientDet模型相比EfficientDet模型mAP提升17.65%,鲁棒性、轻量化等方面具有较好优势。

摘要：鱼群摄食的精准投喂技术是实现智慧化水产养殖的一项关键技术。大多数精准投喂模型都是基于水质较清晰的室内养殖池,不太适用于开放式养殖环境。本研究通过水上视角采集构建了一套开放式池塘数据集,并对数据集进行数据增强增加其多样性,然后在轻量化神经网络MobileViT基础上,将CBAM注意力模块与MV2模块结合设计了CBAM-MV2模块,并嵌入BiLSTM循环神经网络用于识别分类,提出改进的MobileViT-CBAM-BiLSTM模型,提高了模型预测能力、鲁棒性和泛化性能,实现了鱼群摄食行为的三分类。实验结果显示,改进后MobileViT在采集的视频帧数据集上明显优于改进前的MobileViT,准确率98.61%,宏F1值达98.79%,相对于原始MobileViT准确率提高6.33个百分点,宏F1值提高6.75个百分点。

摘要：目的研制一种实用的低功耗嵌入式便携心电监护仪。方法以嵌入式微处理器RCACDP1802为核心,设计了硬件系统和控制软件,并嵌入了心电波形特征提取算法、心电数据压缩算法、心律失常分析算法,在硬件和软件设计时均考虑了降低功耗。结果该仪器功耗低,体积小,重量轻,智能化程度高。它能连续48h实时监护患者的心电信号,实时分析10余种心律失常并存贮心律失常时的压缩心电数据。在需要时可将存贮的心电数据于串行接口输出供医生回顾分析。结论该监护仪达到设计要求,实用性高。

摘要：对于一类通信约束的网络控制系统,应用通信序列的概念和混合逻辑动态的构架,将其建模成一类集成控制和调度的资源约束系统模型.采用线性矩阵不等式来描述离散周期系统的周期通信序列和H∞控制的协同优化问题,并用一种递增优化序列算法来求解优化的调度策略及其相应的渐近稳定及r指数稳定的H∞控制器.该算法结合线性矩阵不等式凸优化问题解决了调度与控制的协同设计问题,同时也节省了搜索优化解的计算时间.

摘要：在网络带宽受限的情况下,综合考虑了系统响应的误差和误差变化率,设计了一个共享通信网络的模糊反馈调度器.该调度器采用模糊最大优先调度算法对网络消息发送的优先级进行动态调整.同时定义了一种归一化控制质量衡量指标来评价多回路系统的控制性能.在此评价方法下,对三种不同调度算法在不同随机时延序列下进行了仿真比较.结果表明本文提出的调度算法优化了系统的控制性能,并在不确定运行环境中具有更好的适应性.

摘要：针对资源约束网络负载的动态变化,设计了一个基于最小二乘支持向量机(LSSVM)的反馈调度器.它可以周期性地监测网络资源,在线预测下一周期的可适用网络利用率,并根据预测值采用插值法得到控制回路的下一个采样周期,从而实现系统资源的动态分配.对采用固定带宽分配、基于LSSVM以及基于Elman神经网络的反馈调度进行了比较,结果表明,所提出的策略能使系统在可变负载情况下稳定运行,并在控制质量和网络服务质量之间取得平衡.

摘要：分布式MIMO声纳系统具有空间分集与复用增益的特点,能显著提高目标检测精度。针对分布式MIMO声纳系统中的移动目标定位问题,考虑不同发射机声纳信号到达移动目标上的位置延迟,提出了一种分布式MIMO声纳系统中的移动目标精确定位方法。采用时间延迟与多普勒频移测量相结合的方法,设计了移动目标初始位置以及运动速度的非约束权重最小二乘(UWLS)以及约束权重最小二乘(CWLS)方法。算法的仿真结果表明,UWLS以及CWLS能有效消除位置延迟的影响,减少估计误差。由于利用了约束关系,CWLS方法估计误差仅为UWLS方法的69%左右,并已接近于克拉美罗下界(CRLB)值。

摘要：连杆轨迹曲线与连杆机构参量之间存在着复杂的非线性关系,用具有旋转、缩放、平移不变特性的形状谱和几何参数作为联合特征,描述了连杆轨迹曲线的结构形态特征和整体形状特征,并构建曲线形态的识别、比较方法,实现了连杆轨迹曲线描述最小的数据冗余;利用人工神经网络拟合了连杆轨迹曲线与连杆机构之间的非线性关系,获取与预期轨迹最为吻合的连杆曲线参数,实现了机构的快速综合设计。以512幅连杆曲线图像为学习库,64幅图像为工程测试样本的实验数据说明了本文方法的可行性,并分析了误差产生的原因。

摘要：到达时间差(TDOA)测量无法根据测量值判断当前定位过程是处于近场还是远场,因此设计远近场统一解形式的TDOA定位算法对于提高源目标位置参数估计性能具有重要意义。通过建立远近场都适用的统一形式TDOA测量方程,本文提出了一种信号传播速度未知情况下远近场统一解形式的非约束最小二乘(UWLS)定位方法,该方法既适用于近场,又适用于远场。同时利用优化模型中的约束条件,设计了约束最小二乘(CWLS)定位方法,减少了估计误差。对算法的仿真结果分析表明,所设计UWLS及CWLS算法既适用于近场,又适用于远场情况下的位置参数估计问题。随着远场距离的增加,UWLS及CWLS算法的估计误差基本保持不变,并且非常接近于克拉美罗(CRLB)下界值。