摘要：在除草机器人的设计时,为了实现机器人的自动作业,需要考虑机器人可以自主地识别杂草和植物,因此必须设计机器人自动目标识别系统。为此,将神经网络聚类算法引入到了机器人机器视觉系统的设计上,通过对杂草目标的识别实现机器人作业对象的自动捕获。以杂草和农作物的环境为测试对象,对自动除草机的性能进行了测试,结果表明:基于神经网络聚类算法的自动除草机可以准确识别目标,满足了自动除草作业的设计需求。

摘要：为了提高无人植保机的目标识别能力,提升其在复杂环境下自主化作业的适应性,将机器学习算法引入到了植保机目标自主识别系统的设计上,利用神经网络学习算法和图像增强处理技术提高了识别系统的准确性。模拟植保机的作业环境,在作业区域设置了大量的作物目标,通过植保机对目标物的识别对其性能进行了测试,结果表明:植保机可以准确地识别作物目标,满足自主作业时对目标自主识别的设计需求。

摘要：分析了双目视觉系统的工作原理及视觉标定方法,利用YOLO V2卷积神经网络算法实现对目标果实的识别,并对目标果实的空间定位进行了深入研究,设计了一套基于双目视觉和机器学习的采摘机器人果实识别与定位系统。在多次实际定位实验中,橘子的深度定位误差最大值为1.06mm,证实了系统具有一定的准确性和稳定性。

摘要：本文针对目前MOOC设计制作中存在的视觉语言运用不当,视觉表达手段匮乏的问题,从理论上阐述影响视觉表达效果的几大要素。通过解析目前互联网上较受欢迎、传播效果好的MOOC的视觉表达手段,达到总结优点、发现不足的目的。从而提出为提升MOOC的视觉表达效果的一系列方法及手段,为MOOC的设计及制作提供一定指导性意见。

摘要：为了解决谷物籽粒撞击信号码间串扰问题,实现联合收获机工作过程中谷物损失量的实时监测,并提高监测的精度,设计了一种新的籽粒清选监测系统。该系统采用Kalman滤波的方法缩短了籽粒撞击板信号的衰减时间,从而可以有效地降低信号的码间串扰。为了验证系统的有效性和可靠性,对籽粒清选系统进行了测试,选取了两组饱满程度不同的籽粒作为研究对象,通过测试得到了两组籽粒的撞击电压响应曲线,并分别对比了Kalman滤波和未滤波的信号衰减曲线和籽粒的清选误差。由对比结果可以发现:Kalman滤波能明显地缩短信号的衰减时间,降低了籽粒间码间串扰对系统监测精度的影响及清选误差,大大提高了籽粒损失监测系统的工作效率,为联合收割机的优化设计提供了理论参考。

摘要：本文针对目前远程教学中数字电子技术实验较难实现的难题,综合参考国内外成功的网络虚拟实验系统的基础上,引入了一种基于云环境的虚拟教学系统设计方案,并阐述了实验教学系统的基本结构,设计分析了系统的主要的功能模块,从而满足了学生远程在线学习的需求,为网络虚拟教学系统的研究提供了较有价值的借鉴。