-
公开(公告)号：CN117817656A
公开(公告)日：2024-04-05
申请号：CN202311670858.4
申请日：2023-12-07
申请人： 华南农业大学
摘要： 本发明公开一种视域下茶叶采摘方法、系统、装置及存储介质，该方法包括以下步骤：获取视域下茶叶嫩芽的采摘点；根据视域下茶叶嫩芽的采摘点坐标，输入采摘任务规划算法，该采摘任务规划算法由以下步骤获得：初始化参数；根据茶叶采摘点坐标计算距离矩阵，并更新禁忌表；设计动态更新信息素启发因子和期望启发因子；搜索路径，并根据轮盘法则选择下一节点，并完成一次迭代；更新信息素启发因子、期望启发因子、信息素挥发因子及参与信息素更新的蚂蚁数量；更新信息素矩阵；完成预设迭代，输出全局最优路径；由采摘装置根据采摘路径完成采摘任务。本发明通过采用动态参数改进经典蚁群算法，加快收敛速度的同时解决容易过早陷入局部最优解的问题。
-
公开(公告)号：CN117478704A
公开(公告)日：2024-01-30
申请号：CN202311486486.X
申请日：2023-11-08
申请人： 华南农业大学
摘要： 本申请涉及一种山地果园高光谱数据传输方法、装置、设备及介质，方法包括：基于离散余弦变换算法对高光谱数据进行处理，确定高光谱数据相对应的固定正交字典，采用正交追踪匹配算法对待传输的高光谱数据进行稀疏表示，确定待传输的高光谱数据相对应的稀疏向量；对待传输的高光谱数据相对应的稀疏向量进行解析，构造稀疏报文，单片机将所述稀疏报文基于远距离无线电模块发送至边缘端服务器；边缘端服务器将高光谱数据相对应的固定正交字典进行还原，基于压缩感知重构算法解析所述稀疏报文以重构所述高光谱数据，并将重构后的高光谱数据传输至云端服务器，以完成高光谱数据的传输。本申请方便农业生产者及时了解果园状况。
-
公开(公告)号：CN118314304A
公开(公告)日：2024-07-09
申请号：CN202410356961.X
申请日：2024-03-27
申请人： 华南农业大学
IPC分类号： G06T19/00 , G06T17/05 , G06T17/00 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06T7/73 , G06N3/045 , G06N3/08
摘要： 本发明提供了一种林茶园语义动态VSLAM建图导航方法，包括基于扩增学习构建林茶园数据集，使用林茶园数据集对待训练模型进行训练，得到实例语义分割模型。使用实例语义分割模型剔除林茶园场景中的动态信息，得到已剔除图像，基于已剔除图像提取位姿，得到机器人位姿。结合已剔除图像和机器人位姿提取每帧的稠密点云信息，结合稠密点云信息和机器人位姿构建全局稠密点云地图。基于全局稠密点云地图构建语义八叉树地图，根据语义八叉树地图对机器人进行导航。上述方法提高了构建点云地图的精度，可以高度还原农业场景下的静态场景地图，对复杂的农业动态场景具有较强适应性和较好的鲁棒性，还可以提升机器人的场景识别能力和导航精度。
-
公开(公告)号：CN117341644A
公开(公告)日：2024-01-05
申请号：CN202311182906.5
申请日：2023-09-14
申请人： 华南农业大学
摘要： 本发明涉及一种基于三闭环和负载观测器的EMB系统控制方法，包括以下步骤：首先构建永磁同步电机的电机数学模型，并构建电流环、转速环和制动力环的数学模型；接着通过EMB执行机构中的压力传感器检测制动器中的实际制动力；通过制动力判断模块判断实际制动力与设定阀值之间的关系，以此来判断EMB系统所属的制动阶段，当处于间隙消除阶段和制动间隙恢复阶段时，采用转速环‑电流环双闭环控制策略；当处于制动力跟随控制阶段时，则采用制动力环‑电流环双闭环控制策略。通过上述改进，使得本发明的EMB系统控制方法可以快速观测制动力变化并给出补偿，使转矩抖动小、转速调节速度快且平稳性更高，系统抗干扰能力强。
-
公开(公告)号：CN118097030B
公开(公告)日：2024-07-30
申请号：CN202410487364.0
申请日：2024-04-23
申请人： 华南农业大学
IPC分类号： G06T17/00 , G06N3/0464 , G06T17/20 , G06T5/30 , G06T5/60
摘要： 本发明提供了一种基于BundleFusion的三维重建方法，包括使用已训练Mask‑RCNN模型提取识别图像数据集中的动态物体区域，对动态物体区域对应的动态标签进行标签一致性处理，得到一致性掩膜。对一致性掩膜进行膨胀处理，得到膨胀后掩膜。从相机图像中将膨胀后掩膜去除，得到掩膜去除图像。将掩膜去除图像和空间定位数据输入BundleFusion模型进行三维重建，得到三维网格模型。对动态物体区域对应的动态标签进行标签一致性处理，得到一致性掩膜，防止出现上下帧标签不一致和上下帧标签混乱的情况，从而降低出现误检和漏检的概率。膨胀后掩膜全部覆盖动态物体，可以降低动态物体边缘的掩膜覆盖不完全，而导致产生大量的ORB特征或光流特征点，在减少误差的同时保证了点云的生成。
-
公开(公告)号：CN117782632A
公开(公告)日：2024-03-29
申请号：CN202311842625.8
申请日：2023-12-28
申请人： 华南农业大学
IPC分类号： G01M17/007
摘要： 本发明公开了一种用于电子稳定控制系统的横摆率传感器测试系统及方法；所述横摆率传感器测试系统包括执行机构测试系统和控制机构测试系统；所述执行机构测试系统用于带动横摆率传感器沿着X轴和Y轴作直线加速运动和绕着Z轴作旋转运动；所述控制机构测试系统包括上位机、电控模块和驱动模块；所述上位机用于输入测试需求并生成检测信号、接收由电控模块反馈回来的执行机构测试系统自身的输出信号以及由横摆率传感器的实际输出信号，上述的输出信号和实际输出信号均包括加速度、角速度和响应时间；所述驱动模块用于驱动执行机构测试系统工作。本发明的横摆率传感器测试系统可有效提高横摆率传感器的测试准确性以及测试效率，极大降低了测试成本。
-
公开(公告)号：CN117252884B
公开(公告)日：2024-03-22
申请号：CN202311540916.1
申请日：2023-11-20
申请人： 华南农业大学
IPC分类号： G06T7/10 , G06T3/4038 , G06T3/4046 , G06T5/00 , G06V10/40 , G06V10/82 , G06N3/045
摘要： 本发明提供了一种基于自注意力机制的茶芽叶目标分割方法，获取茶芽叶图像，提取茶芽叶图像的特征，得到初级特征。将初级特征输入编码网络进行特征编码，得到第一编码序列。将第一编码序列输入双分支注意力模块。对第一编码序列进行单头注意力计算，得到第一特征序列，对第一编码序列进行多头注意力计算，得到第二特征序列，拼接第一特征序列和第二特征序列，得到第一拼接序列。基于第一拼接序列计算出第一特征块、第二特征块、第三特征块和第四特征块，对所有特征块进行多特征级联，分割出茶芽叶目标。上述方法可以结合茶芽叶图像的各种局部特征和全局特征，通过多特征级联可以在茶芽叶图像中分割出多种形态不同，遮挡状态不同的茶芽叶目标。
-
公开(公告)号：CN118442745A
公开(公告)日：2024-08-06
申请号：CN202410683515.X
申请日：2024-05-30
申请人： 华南农业大学
摘要： 本申请涉及一种液氮速冻机温度控制方法、装置、设备及介质，方法包括：基于MPC控制器中预训练的液氮调节阀控制模型根据当前时间步各个定点的实时温度以及液氮调节阀开度，预测出下一时间步各个定点的温度以及其相对应的液氮调节阀开度；采用MPC控制器根据当前时间步的实时温度以及液氮调节阀开度对下一时间步的温度以及其相对应的液氮调节阀开度进行优化，以确定最优阀门开度；将最优阀门开度相对应的目标值发送至液氮速冻机中的执行模块，控制执行模块中的液氮调节阀调节至目标值，直至冷冻空间中各个定点的实时温度与预设温度之间的差值达到预设温差阈值。本申请能够显著减小冷冻腔内温度控制的延迟以及滞后，避免液氮浪费。
-
公开(公告)号：CN118097030A
公开(公告)日：2024-05-28
申请号：CN202410487364.0
申请日：2024-04-23
申请人： 华南农业大学
IPC分类号： G06T17/00 , G06N3/0464 , G06T17/20 , G06T5/30 , G06T5/60
摘要： 本发明提供了一种基于BundleFusion的三维重建方法，包括使用已训练Mask‑RCNN模型提取识别图像数据集中的动态物体区域，对动态物体区域对应的动态标签进行标签一致性处理，得到一致性掩膜。对一致性掩膜进行膨胀处理，得到膨胀后掩膜。从相机图像中将膨胀后掩膜去除，得到掩膜去除图像。将掩膜去除图像和空间定位数据输入BundleFusion模型进行三维重建，得到三维网格模型。对动态物体区域对应的动态标签进行标签一致性处理，得到一致性掩膜，防止出现上下帧标签不一致和上下帧标签混乱的情况，从而降低出现误检和漏检的概率。膨胀后掩膜全部覆盖动态物体，可以降低动态物体边缘的掩膜覆盖不完全，而导致产生大量的ORB特征或光流特征点，在减少误差的同时保证了点云的生成。
-
公开(公告)号：CN117252884A
公开(公告)日：2023-12-19
申请号：CN202311540916.1
申请日：2023-11-20
申请人： 华南农业大学
摘要： 本发明提供了一种基于自注意力机制的茶芽叶目标分割方法，获取茶芽叶图像，提取茶芽叶图像的特征，得到初级特征。将初级特征输入编码网络进行特征编码，得到第一编码序列。将第一编码序列输入双分支注意力模块。对第一编码序列进行单头注意力计算，得到第一特征序列，对第一编码序列进行多头注意力计算，得到第二特征序列，拼接第一特征序列和第二特征序列，得到第一拼接序列。基于第一拼接序列计算出第一特征块、第二特征块、第三特征块和第四特征块，对所有特征块进行多特征级联，分割出茶芽叶目标。上述方法可以结合茶芽叶图像的各种局部特征和全局特征，通过多特征级联可以在茶芽叶图像中分割出多种形态不同，遮挡状态不同的茶芽叶目标。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.024 秒)
