基于YOLOv5的咖啡瑕疵豆检测方法

目的:实现咖啡豆瑕疵检测。方法:提出一种基于改进YOLOv5s网络,以YOLOv5s为基线网络嵌入并优选不同的注意力机制模块与激活函数。结果:使用CBAM模块与激活函数Hardswish的平均精度均值相比基线网络分别提高了5.3%和2.9%。经过200次迭代训练,模型准确率为99.5%,平均精度均值为97.6%,召回率为0.98,识别速率为64幅/s,模型大小为15 M。结论:相比于Faster RCNN、SSD、YOLOv3、YOLOv4、YOLOv5s,试验算法识别准确率更高,模型更加轻量化,对咖啡瑕疵豆的识别效果更好。     

机器视觉识别杂草中除草剂喷洒参数的优化

为提高除草剂的喷洒效果,提出基于遗传算法确定喷洒参数的方法.首先使用除草剂在作物、土壤的残留和在杂草上的沉积3个因素评价除草剂的喷洒效果并采用线性加权的方法建立相应的数学模型,其次通过计算除草剂空间分布情况得到喷洒参数和喷洒效果的关系,接着利用遗传算法优化喷洒参数.与现有方法相比,新方法改善了杂草的防治效果,随着杂草、作物分布情况复杂性的增加,其效果更加明显.同时,新方法考虑了增加除草剂残留量的影响,并具备较好的实用性.     

基于提升小波变换和中值滤波的图像去噪方法研究

针对实际拍摄的背景复杂、目标对比度和信噪比低的图像,在综合考滤图像去噪平滑效果、图像清晰程度和时间复杂度的基础上,提出一种基于提升小波变换和中值滤波的图像去噪方法.首先对含噪图像进行提升小波分解,再在图像高频部分进行中值滤波以改善图像的消噪效果,最后采用信噪比(SNR)与均方根误差(RMSE)和图像灰度曲面图作为图像去噪效果的评估,将提升小波变换和中值滤波相结合的图像去噪方法与小波去噪、小波与中值滤波结合消噪等进行对比实验.实验结果表明,该方法既能消除图像噪声又能达到保持其图像边缘要求,且时间度较低.     

纳米材料填充改性PTFE力学性能的研究

利用四种纳米粒子填充改性聚四氟乙烯(PTFE),并研究了改性PTFE复合材料的物理机械性能。结果表明:纳米粒子会使PTFE的力学性能发生变化,提高了复合材料的硬度;但会使复合材料的拉伸强度和断裂伸长率降低。     

机器视觉识别棉花病害中的形态特征提取

根据棉花病害叶片和正常叶片的形态差异,提取形态特征:孔洞个数与叶片面积比和孔洞面积与叶片面积比、细化长度与叶片面积之比、腐蚀次数与叶片面积比,并分析比较三种特征的识别有效性。其识别准确率分别达到93.2%、76.3%、98.3%。     

数字图像中作物病斑形状分形特征提取

应用分形理论的计盒维数法在数字图像中研究了棉花不同病害病斑的形状分形特征,结果表明,棉花病害病斑的形状具有明显的分形特性,其形状的复杂性可用分形维数量度。不同类病斑的形状分形维数存在明显的差异,炭疽病病斑的分形维数为1.804±0.0214,轮纹病斑的分形维数为1.8951±0.0224,叶枯病病斑的分形维数为1.8740±0.0345。其可作为识别诊断病害的特征,利用病斑形状分形特征进行棉花病害的识诊断别,识别准确率达到81%以上。实验研究表明在数字图像中应用分形理论研究作物病斑的形状特征及应用病斑形状分形特征识别作物病害是可行的。     

μC／OS—Ⅱ在S3C44BOX处理器上的移植

介绍实时操作系统μC/OS-Ⅱ的特点和内核结构，给出μC/OS-Ⅱ在Samsung嵌入式S3C44BOX ARM7微处理器上的移植的步骤及详细相关代码，同时阐述μC/OS-Ⅱ在应用中应注意的问题。     

聚合物及其复合材料摩擦学研究新进展

综述了聚合物及其复全材料的摩擦学新进展,并指出了聚合物及复合材料的摩擦学研究方向。     

μC/OS-Ⅱ在S3C44B0X处理器上的移植

介绍实时操作系统μC/OS-Ⅱ的特点和内核结构,给出μC/OS-Ⅱ在Samsung嵌入式S3C44B0X ARM7微处理器上的移植的步骤及详细相关代码,同时阐述μC/OS-Ⅱ在应用中应注意的问题.     

应用前景广阔的纳米材料

介绍纳米材料的发展及在各领域中的应用.