为解决传统人工接触式测量工作量大、测量条件相对艰苦及影响牛正常生活习性的繁琐问题,提出了基于目标检测的双目深度估计牛的体尺测量方法。首先,通过双目相机采集图片,利用YOLOv5(you only look once v5)目标检测算法检测图像中的体...为解决传统人工接触式测量工作量大、测量条件相对艰苦及影响牛正常生活习性的繁琐问题,提出了基于目标检测的双目深度估计牛的体尺测量方法。首先,通过双目相机采集图片,利用YOLOv5(you only look once v5)目标检测算法检测图像中的体尺特征部位,结合边缘检测等算法获取牛体尺测点。其次,利用双目立体匹配算法将双目2维图片转化为空间3维深度信息图,在深度信息图上读取测点3维坐标。最后,在3维坐标系下运用空间欧氏距离进而计算牛的体尺参数。搭建了测试平台进行测量,实验结果表明,该方法的测量精度高于现有相关方法,其中体长的平均相对误差为2.4%、体高的平均相对误差为1.1%、体斜长的平均相对误差为3.3%,为牛体尺测量提供了可行的示范。展开更多
为了提高人体尺寸预测的效率和准确性,该文提出了GBWO-ENN(Grey Black Wolf Optimization-Elman Neural Network)的方法。针对传统灰狼算法易于陷入局部最优和无法平衡全局与局部搜索的平衡性问题,提出了GBWO算法。该算法融合黑寡妇优...为了提高人体尺寸预测的效率和准确性,该文提出了GBWO-ENN(Grey Black Wolf Optimization-Elman Neural Network)的方法。针对传统灰狼算法易于陷入局部最优和无法平衡全局与局部搜索的平衡性问题,提出了GBWO算法。该算法融合黑寡妇优化算法中蜘蛛的运动方式对灰狼优化算法中α狼位置更新进行了优化,通过非线性递减的方法降低了收敛系数,并且提出了按位置等级更新种群的策略。随后采用GBWO算法对Elman神经网络的权值和阈值进行优化,并将GBWO-ENN模型应用于三维人体尺寸预测。实验结果表明,GBWO-ENN模型结构简单,能够准确预测人体尺寸,具有较好的预测能力。展开更多
文摘为解决传统人工接触式测量工作量大、测量条件相对艰苦及影响牛正常生活习性的繁琐问题,提出了基于目标检测的双目深度估计牛的体尺测量方法。首先,通过双目相机采集图片,利用YOLOv5(you only look once v5)目标检测算法检测图像中的体尺特征部位,结合边缘检测等算法获取牛体尺测点。其次,利用双目立体匹配算法将双目2维图片转化为空间3维深度信息图,在深度信息图上读取测点3维坐标。最后,在3维坐标系下运用空间欧氏距离进而计算牛的体尺参数。搭建了测试平台进行测量,实验结果表明,该方法的测量精度高于现有相关方法,其中体长的平均相对误差为2.4%、体高的平均相对误差为1.1%、体斜长的平均相对误差为3.3%,为牛体尺测量提供了可行的示范。
文摘为了提高人体尺寸预测的效率和准确性,该文提出了GBWO-ENN(Grey Black Wolf Optimization-Elman Neural Network)的方法。针对传统灰狼算法易于陷入局部最优和无法平衡全局与局部搜索的平衡性问题,提出了GBWO算法。该算法融合黑寡妇优化算法中蜘蛛的运动方式对灰狼优化算法中α狼位置更新进行了优化,通过非线性递减的方法降低了收敛系数,并且提出了按位置等级更新种群的策略。随后采用GBWO算法对Elman神经网络的权值和阈值进行优化,并将GBWO-ENN模型应用于三维人体尺寸预测。实验结果表明,GBWO-ENN模型结构简单,能够准确预测人体尺寸,具有较好的预测能力。
