基于深度学习的智能无人果蔬售卖系统

随着科技的不断进步,无人零售成为了未来社会的发展趋势。然而传统的无人售货超市存在成本高昂和水果蔬菜等生鲜产品售卖方式单一，效率低下，需要大量劳动力等缺陷。为了解决次问题，本文提出一种基于深度学习的智能无人果蔬售卖系统。该系统能够识别未打电子标签的果蔬生鲜，基于改进的目标检测算法精准识别果蔬的类别和位置，进而进行称重并计算商品的价格。通过实验验证，该系统具有综合化、智能化和专业化的优点，在自制果蔬数据集上，算法平均精度(mAP)提升了7.37%，实验证明本系统对果蔬的目标检测具有较强的鲁棒性。     

基于多示例学习的超市农产品图像识别

为解决超市农产品价格需依靠人工记忆的问题,实现农产品的智能识别,提出了基于多示例学习的农产品图像识别方法。采用改进的单色块及其邻域算法(SBN)特征提取算法将训练样本组织成多示例包,利用多样性密度算法对正包和反包进行多示例学习,根据多样性密度最大化模型对测试样本进行识别。分别在自采集的多类别果蔬图像集以及Amsterdam图像库中的单类别果蔬图像上进行测试。结果表明该方法能够识别不同光照、存在干扰物的环境背景下,以任意方式摆放的多类别混合果蔬图像,识别率最高达到94.21%,且对于单类别果蔬图像的识别优于全局方法。因此利用基于多示例学习的图像识别方法对超市农产品的自动售卖提供辅助具有可行性。     

基于STC89C516的超市智能购物车研发

为了让消费者体会到超市购物的便利,设计、研发了基于STC89C516单片机的超市智能购物车。整个系统由单片机、液晶显示、条形码识读器、无线数传等几部分组成。具有商品定位、自助结算、便利查询超市商品广告和打折信息、无线传输购物清单等功能。     

基于物联网的超市智能自助购物系统设计

针对传统超市购物存在导购困难、结算缓慢、用户体验性差等问题,提出了一种基于物联网的智能超市自助购物系统方案。系统主要采用RFID技术、无线网络通信、微信小程序以及动态网站开发等技术来实现。安装在购物车中的RFID获取商品标签信息,通过无线通信与远程云服务器进行数据交互。购物者通过移动终端的微信小程序从服务器端实时获取导购信息和购物车中的商品详细消费清单,通过电子支付快捷结算,无需排队。商家可通过后台管理网站进行商品管理和发布促销活动。该系统不仅提高了顾客的购物效率、增添了购物乐趣,同时也使得商家管理更加便利和高效。     

基于人工智能的数字X线机自助检查系统的设计

为了实现数字X线机检查的体位识别智能化与摆位自助化，采用自主研发的基于堆叠沙漏网络的体位识别装置、应用动作相关关系模型的体位判断装置和加入语音提示功能的数字X线机“自助检查”装置，解决了如今影像摄片体位精准度不高、影像科技术人员数量不足、传统摄片耗时较长等问题。经多次实验结果表明，系统将原本人均将近6分钟的摄影时间缩短到大约三分半，将甲级片出片率的不足40%提升到将近80%，进而将误诊率减少30%，同时能够有效地减少医患接触，减低院内感染的风险，系统实现了缩短摄片时间、提高摄影质量、降低院内感染的目标。     

果蔬识别与定位系统设计与实现

根据果蔬采摘实际需求，结合人工智能技术，基于uni-app、Vue、Django开发框架，设计了果蔬识别与定位系统，系统技术架构先进，运行稳定。系统能够根据果蔬的外观特征，智能识别判断果蔬的种类，标注果蔬在图片中所处的位置，并将识别结果传送至云端数据库。系统还包括通讯录、个人识别果蔬积分排行榜、公司管理、果园管理、员工管理、统计分析等功能，能够助力企业实现数字化转型，为提升工作效率提供了有力的保障。     

RFOW系统在超市盘货中的应用和实现

研究一种基于WLAN的新的RFID系统-RFOW系统在超市盘货中的应用和实现.在此应用中,射频识别设备通过WLAN技术与主机系统相连,实现了一种无线的射频识别,快速并准确地完成了超市盘货.同时对此系统在超市盘货中的具体应用前景提出了展望.     

基于ARM11和RFID的图书自助借还系统的设计与实现

针对条形码识别技术在图书流通管理上存在的局限性,采用无线射频识别技术和嵌入式系统技术设计了一种新型的智能图书自助借还终端系统;系统硬件采用Intel R1000读写芯片实现了无线射频读写模块,并给出了其与ARM11S3C6410的集成方法;系统软件采用面向对象编程和组件编程技术实现;系统测试表明,该系统能够一次识别大于10本图书标签,在调到一定功率后,识别范围可达4米远,为图书流通管理提供了较好的实际应用,并将嵌入式系统技术与射频技术融合应用,具有较好的现实借鉴意义。     

RFOW系统在超市盘货中的应用和实现

研究一种基于WLAN的新的RFID系统—RFOW系统在超市盘货中的应用和实现。在此应用中,射频识别设备通过WLAN技术与主机系统相连,实现了一种无线的射频识别,快速并准确地完成了超市盘货。同时对此系统在超市盘货中的具体应用前景提出了展望。     

车载语音识别及控制系统的设计与实现

针对传统的封闭式手动操作的车载系统,设计了基于Android系统的车载语音识别与控制系统。该车载系统采用ARM架构完成硬件搭建,设计并实现了基于网络和LD3320语音芯片的在线离线多模态语音识别功能,并在此基础上实现了语音控制导航、蓝牙电话及音乐播放功能。该系统支持导航软件应用的自助升级和维护,打破了传统车载系统升级的垄断。实验结果表明,该多模态语音识别与控制车载系统成本低、效率高,功能强大、界面友好操作简便,真正意义上释放了驾驶员的双手,具有广阔的市场前景。     

农业智慧大屏监控系统的设计与实现

当前智慧温室大棚系统过程数据的综合利用率低,种植经验与果蔬生长过程数据无法实时监控,导致无法更好的控制果蔬的生长过程环境的数据。该文通过智慧大屏的监控系统实现对大棚农作物生长过程环境参数进行实时跟踪,实现温室大棚果蔬的种植环境的过程优化。实验证实,该方法能够有效地提升对大棚作物的监控,对果蔬的种植管理有较好的改进。     

BP神经网络在果蔬冷链物流预警中的应用

近年来,消费者对果蔬冷链产品的安全和品质提出了更高要求,而现有的系统仅从温度和湿度两方面预测果蔬安全状态,没有综合考虑人员操作和设备等因素对果蔬品质的影响。针对上述问题,分析果蔬在冷链过程中出现安全隐患的因素,整合供应链上的追溯信息和监测信息,建立果蔬预警指标体系,采用BP神经网络搭建安全预警模型,并对模型进行训练和预测。预警结果表明,该方法较传统的时间序列、回归分析方法,在解决实际问题中预测误差小,可以有效提高果蔬在冷链物流中风险预警的准确性。     

人工智能果蔬精准化种植技术的研究

当前智慧温室大棚系统过程数据利用率低,种植经验与果蔬生长过程数据无法关联,导致无法更好的控制果蔬生长过程.文章通过向量机等人工智能算法,对果蔬生长过程环境参数进行跟踪和分析,动态选取策略子项进行组合,运用各种环境数据训练多类别、分类回归器和相邻模型的一致性的方法,实现温室大棚果蔬的种植环境的优化.实验证明,该方法能够有...     

果实摘取机械手的果实识别方法与摘取路径规划

通过图形分割处理技术从采集到的原始图形中分割出目标果实图形,再利用由遗传算法优化后的神经网络算法构建果实图形识别模型,完成对果实图形的识别。使用图像识别技术识别出机械手当前视线中的果实数量和位置,利用遗传算法对机械手的运行路径进行优化,并将其结果与随机路径规划和人工路径规划的结果进行对比。研究结果表明：随着样本中的完整果实比例逐渐减少,果实识别模型的识别准确率均有所下降,在仅有60%完整果实比例的样本中所研究的识别模型仍保持较高的识别准确率。使用遗传优化算法得到的机械手行进路径相比随机路径规划和人工路径规划所消耗的成本更低。并且随着果实数量的增加,遗传优化算法得到的机械手行进路径消耗的成本低的优势更加突出。     

基于BP神经网络的水果识别系统

近些年,计算机视觉发展迅速,在水果识别方向进行了广泛的应用和研究。本文设计基于BP神经网络的水果识别系统,选取生活中常见的三种水果:苹果、橘子、香蕉作为对象。首先,通过网络资源等搜集水果图像建立样本库;然后通过MATLAB对图像进行预处理,为后续的特征提取做好准备。水果特征的提取选择纹理、形状、颜色三种特征进行提取;同时在每种特征中选用不同的特征值作为特征向量。通过提取三种特征后输入到BP神经网络中进行训练、识别。经测试,识别的成功率可以达到93.18%,证明了可行性以及未来的可实用性。     

基于改进 YOLOv4 和图像处理的蔬菜田杂草检测

以蔬菜苗田内幼苗期 7 种常见蔬菜和田间杂草为研究对象,针对田间杂草种类多和分布复杂导致检测方法效率低、精度差和鲁棒性不足等问题,逆向将杂草检测转换为作物检测,提出一种基于优化 YOLOv4和图像处理的蔬菜苗田杂草检测算法。在 YOLOv4 目标检测算法基础上,主干特征提取网络嵌入 SA 模块增强特征提取能力,引入 Transformer 模块构建特征图长距离全局语义信息,改进检测头和损失函数提高检测定位精度。改进模型单幅图像平均识别时间为 0.261 s,平均识别精确率为 97.49%。在相同训练样本以及系统环境设置条件下,将改进方法与主流目标检测算法 Faster RCNN,SSD 和 YOLOv4 算法对比,结果表明改进 YOLOv4模型在蔬菜苗期的多种蔬菜检测具有明显优势。采用改进 YOLOv4 目标检测算法检测作物,作物区域外的植被为杂草,超绿特征结合 OTSU 阈值分割算法获取杂草前景,最后标记杂草前景连通域输出杂草质心坐标和检测框位置,可以较好解决蔬菜苗田杂草检测问题。     

基于注意力YOLOv5模型的自动水果识别

近年来, 人工智能在各个领域有着广泛的应用. 针对超市及菜市场人工称重操作耗时、计价流程繁杂的问题, 本文提出一种基于注意力YOLOv5模型的水果自动识别算法. 首先, 为了提升仅有局部特征不同, 全局特征相似水果的识别准确率, 本文在YOLOv5的SPP (spatial pyramid pooling)层后增加SENet (squeeze-and-excitation networks), 采用注意力机制自动学习每个特征通道的重要程度, 进而按照重要程度强化对水果识别任务有用的特征并抑制没有用的特征; 其次, 针对水果识别预测框与目标框重叠时, GIOU不能准确表达边框重合关系问题, 本文将原有的边框回归损失函数GIOU替换为CIOU, 同时考虑目标框与预测框的高宽比和中心点之间的关系, 从而使水果预测框更加接近真实框, 提升预测精度. 实验结果表明, 改进后的模型在常见场景下水果识别能力有明显提升, 平均精度mAP达99.10%, 识别速度FPS达到82, 能够满足实际应用需要.     

基于分形特征的水果缺陷快速识别方法

计算机视觉和图象处理技术在水果自动分选和分级中起着重要的作用。因为缺陷检测的复杂性,水果表面缺陷的快速检测和识别一直是水果自动化分选和分级的障碍。在实数域分形盒维数计算方法的基础上,提出了双金字塔数据形式的盒维数快速计算方法。对于待识别水果图象的可疑缺陷区,提出用５个分形维数作为描述该区域粗糙度和纹理方向性的特征参数,并用所提出的快速计算方法进行计算,然后利用人工神经网络（ＢＰ）作为模式识别器,区