基于注意力机制的细粒度棉花颜色级检验方法研究

颜色是评价棉花质量的一项重要的外在指标。在现行标准GB 1103.1—2012《棉花第1部分：锯齿细绒棉》中,棉花颜色级检验分感官检验和HVI纤维快速测定仪逐样检验。但这两种方法都存在弊端,随着人工智能技术特别是基于深度学习的视觉检测技术的发展,基于注意机制的细粒度棉花颜色级智能检测方法受到重视,该方法的研究具有重要的理论和现实意义。     

基于改进鸽群优化算法的多无人机目标搜索

在三维未知环境中无人机目标搜索是一项非常具有挑战性和现实性意义的任务。鸽群优化算法相比于其他智能算法收敛速度快,搜索效率高,适用于目标优化任务,因此提出一种基于鸽群优化算法的多无人机目标搜索方法,无人机通过搜索目标留下的信息素搜寻目标。针对鸽群优化算法容易陷入局部最优的问题,利用基于差分进化策略对鸽群优化算法进行改进。仿真实验验证了提出的基于改进鸽群优化算法的多无人机目标搜索方法的合理性和有效性。     

基于改进鲸鱼优化算法的多无人机围捕

无人机围捕是一项具有挑战性和现实意义的任务,为使无人机可以成功有效地围捕移动目标,提出一种基于动态预测围捕点和改进鲸鱼优化算法的多无人机围捕算法。在环境未知,目标运动轨迹未知的情况下,首先利用多项式拟合预测目标运动轨迹,通过动态预测步数得到预测点,在其周围设置围捕点,然后使用双向协商法为无人机合理分配各个目标点。针对鲸鱼优化算法容易陷入局部最优的缺点,提出基于自适应权重和改变螺旋线位置更新的方法,从而提升算法的开发能力和搜索能力。最终在不同实验环境下进行多次实验仿真,实验结果表明了所提出算法的有效性。     

一种基于改进卷积神经网络的RGB-D室内场景分类方法

RGB-D室内场景分类是一项极具挑战性的工作，卷积神经网络在场景分类方面已经取得了非常好的效果，但是由于室内场景存在多种目标且布局复杂，另外不同类别的场景之间存在相似性，因此传统卷积神经网络直接应用于室内场景分类存在着很多问题。针对这些问题，本文提出一种改进的基于卷积神经网络的RGB-D室内场景分类方法，包括2个分支，一个是基于ResNet-18的全局特征提取分支，另一个是深度与语义信息的融合分支。将2个分支得到的特征进行融合，达到室内场景分类的目的。在SUN RGB-D数据集上的实验结果表明，所提出的方法优于现有的对比方法。