【摘 要】
：
果园落果的及时拾取和清理是实现智能化果园管理的重要环节。针对当前落果拾取主要依靠人力、劳动强度大、智能化化水平较低等现状,该研究设计了一种基于图像处理的果园圆形落果拾取机器人。首先,依托多核嵌入式系统构建了控制硬件和图像获取平台。其次,采用霍夫梯度图像检测方法用于获取球形落果图像信息。最后,构建了叶轮式拾果装置的机械结构。该设计为果园的智能化管理提供了必要的支撑。
【基金项目】
：
大学生创新创业训练项目(201911347021、202011347060)。
论文部分内容阅读
果园落果的及时拾取和清理是实现智能化果园管理的重要环节。针对当前落果拾取主要依靠人力、劳动强度大、智能化化水平较低等现状,该研究设计了一种基于图像处理的果园圆形落果拾取机器人。首先,依托多核嵌入式系统构建了控制硬件和图像获取平台。其次,采用霍夫梯度图像检测方法用于获取球形落果图像信息。最后,构建了叶轮式拾果装置的机械结构。该设计为果园的智能化管理提供了必要的支撑。
其他文献
针对微网孤岛运行时传统电压-电流(U-I)下垂控制中存在的电压偏差以及功率分配不均衡问题,提出一种基于无差调压U-I下垂的同步定频控制策略。该策略利用同步相量测量装置(PMU)为微网内分布式电源逆变器提供全局同步参考信号,实现同步定频运行;在U-I下垂控制的基础上,通过电压偏差调节环节,将下垂曲线平移实现二次调压;根据PMU的量测信息,实时计算受控逆变器出口到并网点间线路阻抗,通过设置虚拟阻抗对线路进行补偿,减小线路阻抗不一致时因二次调压对功率分配造成的不利影响,实现高精度的功率分配。最后,通过Matla
针对构建含QoS的多源多播网络以及其与网络功能虚拟化(NFV)的结合,提出一种基于蚁群优化的QoS多源多播路由算法(AQoSMMTC),并对多源多播网络中虚拟网络功能节点(VNF)部署问题进行了改进,进而提出了基于NFV的QoS多源多播蚁群优化算法(VQoSMMTC)。并对其进行实现和测试,试验结果表明该算法能够成功的构建满足QoS需求的多源多播树,优于同类算法。并能有效解决支持NFV的多源多播树构建问题。
在基于IPv6的中大型园区网中部署路由时,常用OSPF路由协议,实现快速收敛。为了解决OSPF路由协议运行过程中占用CPU和内存资源过重,导致网络可用性与稳定性降低的问题,提出了基于IPv6多区域网络环境下OSPF动态路由优化解决方法,并利用CiscoPacketTracer仿真软件进行了模拟,获得了较好的应用效果。
针对交通路口的视频监控,传统多路视频组成电视墙的监控方式,存在视频利用率低、单个摄像头视野局限性、信息缺失以及多视角显示凌乱等问题。全景视频是将多个视频流的重叠区域逐帧进行拼接,能在不降低分辨率的同时有效扩大监控人员的视野,已成为交通监控领域的研究热点。本文在分析交通视频监控需求的基础上,研究了视频拼接的相关技术,通过在配准和融合两方面优化拼接算法,在确保输出质量的同时实现快速视频拼接。
模拟地震资料抢救项目中抢救了一批石英伸缩仪和浮子水管仪等地形变记录的图纸,该类图纸为一个月记录一张,图纸规格为24 m×0.27 m。该抢救项目的原则是不能损坏原有图纸并且电子化的要求是600DPI,PNG24位。按照上述规定,每张电子化图片成果占用存储空间很大,约为10 GB左右,目前市面上的图片查看器和图片编辑器无法打开这么大的图片。为了解决上述问题,本研究开发了一种切图方案,把按月为单位记录
作为我国“新基建”的领头羊,5G通信技术将给社会和产业带来颠覆性变革,文章针对5G移到通信技术在建设和运营过程中存在的种种阻碍,从政府、政策、生产厂商、运营商、参建商、用户等因素构成的5G生态圈应用场景等方面,研究了转变运营观念的必要性,分析了5G-QCELL、一体化5G微站等新技术在5G网络覆盖中的应用策略,以期为破解5G建设中存在的种种问题提供参考.
介绍了一种大规模高阶张量的key-value表示方式,以多线程的方式实现了张量与向量相乘并行算法。
摘要：通過对高层建筑燃气管道的应力分析，计算不同应力条件下管道的伸缩形变量和应力的影响，提出管道补偿器的选择和安装建议，保证燃气管道安全运行。 关键词：高层建筑；燃气管道；应力分析；补偿器选择。 中图分类号：TU208文献标识码： A 1、前言 高层建筑管道较长，自重和环境温度的变化导致管道受到重力产生的应力和热应力的作用。当应力达到一定程度时，会造成管道扭曲、断裂，引发事故。 鉴
Hadoop是当前最为流行的云计算平台实现方式之一,作为一个开源的、分布式文件系统,用于海量数据的存储与计算分析.文章在Vmware虚拟环境下,通过合理的配置创建Linux系统上的Hadoop集群.文章详细介绍了搭建Hadoop集群的准备工作、配置过程及测试,显示该集群正常运行.该集群实现方法、过程简单易行,对课程教学提供了可借鉴的方法,为后续的学习奠定了基础.
道路目标检测与识别在当前自动驾驶领域具有重要的意义,而在道路目标检测与识别中,检测算法的高精度和快速推理速度对于安全的自动驾驶至关重要。运用YOLOv5(YOLO,you only look once)目标检测算法可以对车辆行驶途中的道路目标进行识别与分析,起到辅助驾驶并且降低安全隐患的作用。通过使用改进的YOLOv5目标检测算法训练BDD100K数据集,所获模型可以显著提高召回率,从而提高准确性