周素茵
- 作品数：53 被引量：116H指数：7
- 供职机构：浙江农林大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金浙江省教育厅科研计划更多>>
- 相关领域：自动化与计算机技术农业科学文化科学理学更多>>
- 一种利用深度图像和CNN-SVM的群猪多姿态识别方法
- 本发明公开了一种利用深度图像和CNN‑SVM的群猪多姿态识别方法，包括以下步骤，采集初始数据集；定义和描述生猪的各姿态；对所述初始数据集进行深度图像处理，获取各姿态下目标猪只的肩臀部深度距离、肩臀部深度距离比值、凸包的面...
- 徐爱俊徐金阳周素茵叶俊华
- 基于通信的牡丹温室测控系统研究
- 2009年
- 基于通信技术实现了牡丹温室中3个重要参数(温度、湿度、光照)的测量与控制。该系统整体采用主从结构:上位机(PC机)系统和下位机(单片机)系统。在上位机系统中,用VB 6.0开发了冬季牡丹培育过程的专家系统,查询和修改方便;下位机系统包括单片机、传感器和控制执行机构。该系统已在菏泽调试成功,较大幅度地提高了牡丹培育的质量,增加了经济效益,具有较高的实用性和推广价值。
- 周素茵王勇
- 关键词：园艺学串行通信
- 基于串行通信的牡丹温室测控系统研究被引量：2
- 2008年
- 基于通信技术实现了牡丹温室中3个重要参数温度、湿度和光照的测量与控制。系统整体采用主从结构:上位机(PC机)系统和下位机(单片机)系统,在上位机系统中,用VB6.0开发了冬季牡丹培育过程的专家系统,查询和修改方便;下位机系统包括单片机、传感器和控制执行机构。该系统已在菏泽调试成功,较大幅度地提高了牡丹培育的质量,增加了经济效益,具有较高的实用性和推广价值。
- 周素茵王勇
- 关键词：PC机单片机串行通信
- 一种MEMS传感器累积误差修正方法
- 本发明公开了一种MEMS传感器累积误差修正方法，包括以下步骤：S1、利用降噪算法进行MEMS传感器观测值预处理；S2、利用MEMS传感器计算航向；S3、优化经MEMS传感器得到的航向；S4、利用iBeacon信号计算航向...
- 叶俊华章怿钦曲轩宇王进王泽周素茵徐爱俊
- 基于近红外光谱技术的针叶材板材表面节子缺陷检测被引量：4
- 2017年
- 为了实现木板材依据节子进行自动化分级,采用近红外光谱技术研究了多种针叶材表面节子缺陷的检测方法。采用Smart Eye 1700近红外光谱仪获取北美黄杉Pseudotsuga menziesii,铁杉Tsuga chinensis,云杉Picea asperata,白云杉Picea glauca-英格曼云杉Picea engelmannii-扭叶松Pinus contorta-冷杉Abies laciocarp a(SPF)等4种板材的近红外光谱(1 000~1 650 nm),比较了光谱预处理方法、建模方法对节子识别的影响,并首次对多种针叶树材进行了节子识别的适应性研究,随后引入一种新的变量选择方法即随机青蛙算法用于优选节子检测的特征波长,在此基础上建立了板材节子识别的最小二乘-支持向量机(LS-SVM)模型。结果显示:一阶导数光谱预处理结合LS-SVM所建混合树种板材节子识别模型性能最优。随机青蛙算法提取了8个特征波长变量,仅占全波段变量的1.23%,所建简化模型效果最好。该模型对测试集的敏感性、特异性和识别准确率分别为98.49%,93.42%和96.30%。近红外光谱技术结合化学计量学方法可以对针叶材树种板材的表面节子进行快速准确检测,随机青蛙算法是提取板材表面节子缺陷特征的有效方法。该结果可为下一步搭建木材节子快速检测系统提供技术支撑。
- 周竹尹建新周素茵周厚奎
- 关键词：近红外光谱针叶材板材节子
- 基于消费级深度相机的立木因子测量方法
- 本发明公开了一种基于消费级深度相机的立木因子测量方法，包括以下步骤：(1)采用消费级深度相机多视角采集立木场景点云数据，对立木场景点云数据进行感兴趣区域提取和去噪处理，得到立木点云数据；(2)从立木点云数据中分割出立木主...
- 徐爱俊杨红周素茵
- 文献传递
- 一种基于无监督聚类和深度学习的群猪躺模式识别方法
- 本发明公开了一种基于无监督聚类和深度学习的群猪躺模式识别方法，包括以下步骤，采集初始数据集并对图像进行统一裁剪；利用Grabcut图像分割的方法提取出目标图像；通过动态阈值分割，使所述目标图像二值化，利用无监督聚类算法M...
- 徐爱俊徐金阳周素茵叶俊华
- 基于智能手机的多株立木高度测量方法
- 本发明提供一种基于智能手机的多株立木高度测量方法，立木高度测量时主要是利用智能终端的移动设备的图像采集功能和设备内置重力传感器的角度测量功能，将手机相机拍摄棋盘标定板进行标定和相机参数获取，利用非线性畸变模型对采集立木图...
- 徐爱俊高莉平周素茵
- 文献传递
- 基于单目视觉的深度提取方法
- 本发明公开了一种基于单目视觉的深度提取方法，步骤一：对手机相机进行标定，获取相机内部参数和图像分辨率；步骤二：建立深度提取模型，<Image file="DDA0003050723570000011.GIF" he="2...
- 徐爱俊武新梅周素茵
- 文献传递
- 融合重参数化和注意力机制的猪脸关键点检测方法被引量：4
- 2023年
- 面部对齐是猪脸识别中至关重要的步骤,而实现面部对齐的必要前提是对面部关键点的精准检测。生猪易动且面部姿态多变,导致猪脸关键点提取不准确,且目前没有准确快捷的猪脸关键点检测方法。针对上述问题,该研究提出了生猪面部关键点精准检测模型YOLO-MOB-DFC,将人脸关键点检测模型YOLOv5Face进行改进并用于猪脸关键点检测。首先,使用重参数化的MobileOne作为骨干网络降低了模型参数量;然后,融合解耦全连接注意力模块捕捉远距离空间位置像素之间的依赖性,使模型能够更多地关注猪面部区域,提升模型的检测性能;最后,采用轻量级上采样算子CARAFE充分感知邻域内聚合的上下文信息,使关键点提取更加准确。结合自建的猪脸数据集进行模型测试,结果表明,YOLO-MOB-DFC的猪脸检测平均精度达到99.0%,检测速度为153帧/s,关键点的标准化平均误差为2.344%。相比RetinaFace模型,平均精度提升了5.43%,模型参数量降低了78.59%,帧率提升了91.25%,标准化平均误差降低了2.774%;相较于YOLOv5s-Face模型,平均精度提高了2.48%,模型参数量降低了18.29%,标准化平均误差降低了0.567%。该文提出的YOLO-MOB-DFC模型参数量较少,连续帧间的标准化平均误差波动更加稳定,削弱了猪脸姿态多变对关键点检测准确性的影响,同时具有较高的检测精度和检测效率,能够满足猪脸数据准确、快速采集的需求,为高质量猪脸开集识别数据集的构建以及非侵入式生猪身份智能识别奠定基础。
- 黄志杰徐爱俊周素茵叶俊华翁晓星项云
