摘要：为提高采摘设备的执行效率,采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统,该系统可自动识别不同种类的水果,并实现自动采摘,可通过手机端远程控制采摘设备的起始和停止,并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程,从而避免了大量的矩阵运算,使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真,验证了降维求解的可行性。在果实采摘流程中,为了使机械臂运动轨迹更加稳定与协调,采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位,在Ubuntu 19.10操作系统中使用2000幅图像作为训练集,分别对不同种类的果实进行识别模型训练,在GPU环境下进行测试,结果表明,每种果实识别的准确率均在94%以上,单次果实采摘的时间约为17 s。经过实际测试,该系统具有良好的稳定性、实时性以及对果实采摘的准确性。

摘要：由于子类别的高度相似性引起的类间微小差异,以及姿态、尺度和旋转方面的类内变化,使得细粒度图像识别成为一个具有挑战性的计算机视觉问题.为了对鸟类图像进行细粒度识别,提出一种联合语义部件的深度卷积神经网络模型.该模型由2个子网络组成:一个是语义部件检测子网,使用深度残差网络对鸟类图像语义部件进行精确定位;另一个是分类子网,使用三路深度残差网络对检测子网检测到的语义部件进行联合分类.收集了一个新的鸟类图像数据集YUB-200-2017,用于鸟类图像细粒度识别实验.结果表明,在YUB-200-2017和CUB-200-2011数据集上,文中方法具有较高的语义部件检测精度和识别准确率.

摘要：目的图像修复是计算机视觉领域研究的一项重要内容,其目的是根据图像中已知内容来自动地恢复丢失的内容,在图像编辑、影视特技制作、虚拟现实及数字文化遗产保护等领域都具有广泛的应用价值。而近年来,随着深度学习在学术界和工业界的广泛研究,其在图像语义提取、特征表示、图像生成等方面的应用优势日益突出,使得基于深度学习的图像修复方法的研究成为了国内外一个研究热点,得到了越来越多的关注。为了使更多研究者对基于深度学习的图像修复理论及其发展进行探索,本文对该领域研究现状进行综述。方法首先对基于深度学习图像修复方法提出的理论依据进行分析;然后对其中涉及的关键技术进行研究;总结了近年来基于深度学习的主要图像修复方法,并依据修复网络的结构对现有方法进行了分类,即分为基于卷积自编码网络结构的图像修复方法、基于生成式对抗网络结构的图像修复方法和基于循环神经网络结构的图像修复方法。结果在基于深度学习的图像修复方法中,深度学习网络的设计和训练过程中的损失函数的选择是其重要的内容,各类方法各有优缺点和其适用范围,如何提高修复结果语义的合理性、结构及细节的正确性,一直是研究者们努力的方向,基于此目的,本文通过实验分析总结了各类方法的主要特点、存在的问题、对训练样本的要求、主要应用领域及参考代码。结论基于深度学习图像修复领域的研究已经取得了一些显著进展,但目前深度学习在图像修复中的应用仍处于起步阶段,主要研究的内容也仅仅是利用待修复图像本身的图像内容信息,因此基于深度学习的图像修复仍是一个极具挑战的课题。如何设计具有普适性的修复网络,提高修复结果的准确性,还需要更加深入的研究。

摘要：为满足果实采摘需求,设计了一种基于YOLOv5与双目视觉定位的采摘机器人。通过一个全向轮底盘搭载六自由度机械臂,利用YOLOv5目标检测算法实现果实种类识别及平面坐标测量;利用双目视觉实现深度坐标测量,将两者相融合并转换得到机械臂坐标系下的果实三维坐标x、y、z,由三维坐标进行逆运动学解算得到机械臂各个关节角度,最终通过控制关节角度的改变实现果实抓取,并结合Android、物联网技术实现实时视频远程查看与机器人远程控制。试验结果表明:基于YOLOv5实现3种果实识别模型的训练,模型精确率99.7%,召回率99.8%,mAP(0.95)89.03%,每种水果的识别准确率平均为95%;机械臂投射到二维平面进行逆运动学解算,降低了运算量与运算时间,平均解算时间为0.252s。分别对仿真桃子、桔子、石榴进行采摘50次,平均单次采摘时间为13.48、13.91、13.76s。系统具有良好的实时性与准确性,适宜布署于嵌入式系统,满足果实采摘需要。

摘要：为了提高两轮自平衡控制系统的实时性和稳定性,提出了一种将四元数与PID相结合的两轮自平衡车控制机制。该机制基于四元数实现姿态角度的解算,基于PID算法实现平衡车的运动控制。该系统使用MPU-6050对平衡车的角速度和角加速度进行测量,使用编码器对电机转动速度进行测量,将这些测量数据作为平衡车控制系统的反馈,完成平衡车的控制,并可通过手机APP进行人机交互。在本文设计的控制算法下,平衡车在自平衡、载高度自平衡和载重自平衡三种场景下均可以保持良好的平衡性。采集了三种场景下平衡车俯仰角数据20000组,方差分别为0.013、0.084、0.065。在静置状态下与卡尔曼滤波算法和互补滤波算法进行了对比,在5000组的自平衡数据中平衡车的俯仰角方差为0.000239,相较于其他两种算法更小。上述实验结果表明了本研究提出的控制机制能够在满足平衡车控制实时性的同时实现平衡车的稳定控制。

摘要：为实现水泵自动控制及泵站智能调度,进而达到泵房无人值守运行、提高供水保障能力的目的,提出了一种结合物联网技术、边缘计算技术、嵌入式技术及数据可视化技术的水泵智能控制系统构架。该系统采用LoRa低功耗物联网技术配合STM32F103微处理器构建网络节点及数据网关,使用C#编写后台管理平台和Django搭建数据展示平台;针对泵房工作环境特点综合考虑了系统的成本、可靠性、扩展性等。通过该系统的设计与实验,能够培养学生的团队合作意识,促使学生综合运用电子线路设计、物联网、嵌入式开发、.NET程序设计等知识。该系统的部署及运用在保障学校供水安全的同时,也为学生提高实践动手能力提供了真实的物联网系统运维环境及原始数据。

摘要：森林环境的特殊性导致物联网技术在林业的实际应用中还存在诸多困难。该文提出一种结合物联网技术、嵌入式技术、网络技术的智慧森林监测系统构架。该系统采用SX1278芯片设置LoRa收发器配合STM32F103微处理器构建监测节点,采用SX1301配合树莓派构建多业务网关,并完成组网及对森林环境因子的采集、传输和汇集实验;后台服务软件支持用户通过PC机网页端或手机端访问,完成所有监测数据的实时显示、历史查询、数据分析等功能。在设计过程中,针对林区特点综合考虑了系统的成本、低功耗、可靠性、扩展性等。该系统已部署在哀牢山区,并稳定运行了1年半。

摘要：针对基于样本块图像修复方法中样本块优先级计算易受纹理信息影响,引起修复顺序偏差,进而造成最终修复结果中结构特征不连续的问题,将图像结构成分引入修复过程,提出一种基于图像结构成分计算样本块优先级的图像修复方法.首先通过自适应局部拉普拉斯滤波器对待修复图像进行保边细节平滑处理,得到图像结构成分;然后利用结构成分和原图像共同计算样本块数据项,并以此确定样本块修复优先级,实现图像修复.通过增加结构成分引导方法,在基于等照度线和基于结构张量的图像修复算法上对常用修复测试图像进行实验,结果表明,增加结构成分引导的方法相对于原方法可改进修复效果.

摘要：文中设计了一种由Android手机端控制的具有视频采集功能的智能车,STM32F103RCT6作为智能车主控板,树莓派实现视频采集,Android手机端可选择语音、按键、重力感应等模式对小车进行控制。提出了在小车行走过程中基于四元数算法获取每个时刻的偏航角,并配合PID算法,从而实现小车自动走直线的精确控制。经测试,系统软硬件配合良好,小车能及时执行Android手机端发送的各种控制指令,实时视频传输稳定。

摘要：为有效利用高光谱影像与LiDAR数据的互补性信息,解决单一融合策略造成的场景解译地物边界不准确和分类精度低的问题,提出了一种光谱-空间-高度特征融合、并顾及场景地物类别共生特性的条件随机场分类方法。首先,对两种数据分别提取光谱及形态学特征,对特征集采用图模型进行特征融合,将特征输入概率支持向量机分类器,得到初始分类结果。然后,基于融合特征计算反映像素间类别本质差异的局部光谱-空间-高度协同的异质性值,并统计类别间的空间共生关系。最后,在条件随机场框架内,整合初始分类结果、局部异质性信息及类别共生关系,通过目标函数的迭代求解获得最终分类结果。通过将像素间的权重定义为对应像素位置融合特征的归一化欧式距离的单调减函数,对标记不同但特征差异较大的类别间给予较小的权重,以达到地物边界空间规整化的目的。通过对标记不同但共生概率较大的类别对给予较小的权重,达到保留空间关系稳定的类别对的目的。采用城区场景的美国休斯顿地区数据集和林区场景的中国广西高峰林场两组数据集对提出方法进行了验证。实验结果表明:休斯顿和高峰林场数据集精度分别达到94.00%和92.84%,分类结果的"胡椒盐"现象明显减少,证明了该方法的有效性。