最新設(shè)計(jì)資源

基于雙視角點(diǎn)云配準(zhǔn)的豬只體尺測(cè)量方法研究[人工智能][其他]

體尺參數(shù)是生豬育種的重要指標(biāo)，針對(duì)現(xiàn)有豬只體尺測(cè)量方法中存在的測(cè)量參數(shù)單一、設(shè)備復(fù)雜和大規(guī)模點(diǎn)云數(shù)據(jù)處理受限的問(wèn)題，提出了一種基于雙視角點(diǎn)云配準(zhǔn)的生豬體尺非接觸式測(cè)量方法。首先，基于2臺(tái)Kinect DK深度相機(jī)搭建點(diǎn)云采集系統(tǒng)獲取豬體左右兩側(cè)點(diǎn)云數(shù)據(jù)，并采用改進(jìn)的LoOP濾波算法和基于多層次特征提取的點(diǎn)云精簡(jiǎn)方法完成點(diǎn)云預(yù)處理。其次，通過(guò)粗配準(zhǔn)與精配準(zhǔn)相結(jié)合完成豬只雙視角點(diǎn)云拼接。最后，融合法線點(diǎn)云與Alpha Shapes算法提取豬只輪廓特征，實(shí)現(xiàn)多體尺參數(shù)的非接觸式測(cè)量。試驗(yàn)結(jié)果表明，生豬體長(zhǎng)、體高、臀高、體寬、腹寬、臀寬、胸圍和腹圍的平均相對(duì)誤差分別為1.28%、0.88%、1.97%、2.71%、2.83%、3.71%、2.03%和2.17%，整體相對(duì)誤差平均值和絕對(duì)誤差平均值分別為2.20%和1.04 cm。該方法能夠?qū)崿F(xiàn)生豬多體尺參數(shù)的高精度、非接觸式測(cè)量，為種豬的高效篩選提供了技術(shù)參考。

發(fā)表于：11/13/2025

基于改進(jìn)UNet的瀝青道路缺陷檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[可編程邏輯][智能交通]

針對(duì)道路缺陷檢測(cè)中傳統(tǒng)方法泛化能力低、易受環(huán)境干擾，以及深度學(xué)習(xí)模型部署在計(jì)算平臺(tái)時(shí)存在的高功耗、低速度等問(wèn)題，提出一種基于低功耗FPGA平臺(tái)的語(yǔ)義分割模型的加速與部署策略。首先，構(gòu)建包含道路裂縫與坑洞的多源數(shù)據(jù)集，通過(guò)數(shù)據(jù)增強(qiáng)技術(shù)平衡樣本分布；其次，針對(duì)UNet模型的特征提取網(wǎng)絡(luò)與上采樣網(wǎng)絡(luò)分別進(jìn)行通道裁剪，并結(jié)合量化技術(shù)將模型權(quán)重從FP32壓縮至INT8，進(jìn)一步降低計(jì)算量；最后，利用Vitis AI工具鏈完成模型量化與編譯，部署至FPGA平臺(tái)，充分發(fā)揮其并行計(jì)算能力。實(shí)驗(yàn)結(jié)果表明，優(yōu)化后的模型在保證平均交并比（MIoU）損失小于5%的前提下，推理速度達(dá)到了17 ms，模型參數(shù)量與計(jì)算量大幅度降低，并且功耗顯著降低。該方法在邊緣端實(shí)現(xiàn)了高效、低功耗的道路缺陷檢測(cè)，為瀝青道路自動(dòng)化養(yǎng)護(hù)評(píng)估提供了可行方案。

發(fā)表于：11/12/2025