基于YOLOv3和Deep SORT的草原牛跟踪系统

来源 :传感器与微系统 | 被引量 : 0次 | 上传用户:qq503302228
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
设计了一种基于深度学习算法的草原牛跟踪系统。融合YOLOv3目标检测算法与Deep SORT目标跟踪算法实现对草原牛的检测跟踪,结合比例—积分—微分(PID)算法控制云台(PTZ)摄像头稳定跟随草原牛转动。在内蒙古苏尼特左旗牧场进行现场实验测试,实验结果表明:系统运行稳定,对草原牛检测准确率较高,跟踪效果较好,可以实现未检测到草原牛时自动巡航、对多只草原牛自动跟踪、以及指定跟踪单只草原牛的功能。
其他文献
针对传统平面相机标定方法中棋盘角点坐标维度信息缺失的问题,提出一种基于三维标定板的相机标定方法。在平面标定的算法基础上,利用角点的三维坐标计算相机的内参系数。根据标定板角点的世界坐标和像素坐标的对应关系、奇异值分解(SVD)方法,求解相机的投影变换矩阵;再利用旋转向量的性质计算出相机内参的初始值;最后运用非线性优化方法对所有的标定参数进行整体优化。实验结果表明:相对于平面标定而言,三维相机标定方法
金属氧化物(MOS)对挥发性有机化合物(VOCs)气体普遍存在着交叉敏感性问题,因此单个传感器无法准确做到对混合气体的定量分析。为解决这一问题,设计了基于多种金属氧化物半导体的传感器阵列,并搭建硬件系统平台,运用三种算法对实验采集到的35组苯和甲醛的混合气体数据进行对比分析与展现。实验结果表明:所提金属氧化物阵列结合随机森林算法进行后端数据处理对混合气体分类预测效果最好,整体预测准确率达到95%以上。
针对目前无刷直流电机(BLDC)驱动器尺寸大、控制效果不理想、稳定性差等问题,设计了基于硬件矢量控制(FOC)的无刷直流电机驱动器.以TMC4671为控制核心,通过电流采集电路实时