基于改进U-Net的料塔料位检测方法研究
Heilongjiang Animal Science and Veterinary Medicine（2022）
摘要
在规模化养殖中,传统料塔的料位检测设备较少,检测方法主要是人工检测和经验判断,难以精确、实时检测料塔余料,无法满足现代化农业发展的需求.为了实现精细化管理,摒弃传统的检测方法,采用基于U-Net的语义分割模型对料塔内饲料进行分割,并通过处理图像输出结果,检测料塔内余料容量,同时引入残差结构和空间注意力机制来提升分割效果,优化U-Net语义分割模型.经过对比试验结果显示,F1分数由0.942提升到了 0.951,料位检测结果正确率由0.920提升到了0.960.说明基于改进U-Net的料位检测方法具有一定的可行性,能满足检测的基本要求.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要