园林智能浇灌-数控弯管机液压滚圆机滚弧机全自动钢管滚圆机滚弧
作者:lujianjun | 来源:欧科机械 | 发布时间:2018-12-04 13:07 | 浏览次数:

园林浇灌有自动浇灌和人工浇灌2种模式,但都存在水资源浪费、人力资源浪费和不合理浇灌等问题。针对这些问题,文中将深度学习和机器视觉技术应用于土壤湿度分类,以土壤图像与对应的湿度为样本,建立了卷积神经网络框架,并基于大量实验对卷积神经网络进行了训练和验证,实现了基于土壤图像信息的浇灌需求智能决策,决策正确率达到85%以上,并与控制系统相结合,实现了园林智能浇灌系统,从而达到合理浇灌、节约水资源与人力资源的目标。018年6月湖北汽车工业学院学报Δwl=-ηEwl(5)式中:负号表示梯度下降常数;η为比例系数,在训练中反应了学习速率;Δ表示学习规则[10]。综上所述,反向传播算法从最底层开始反向计算误差向量,重复利用链式法则,通过反向计算累计梯度的损失值,使损失函数最校4卷积神经网络架构实验及结果分析4.1数据集与图片预处理从武汉理工大学3个校区采集原始土壤样本,如图3所示。裁剪后的样本图像大小为32×32园林智能浇灌-数控弯管机液压滚圆机滚弧机全自动钢管滚圆机滚弧机折弯机。选取500张图片,将其中350张作为训练集,150张图片作为验证集。为了减少网络的整体运算量,将所有图片进行灰度化处理,实现图片降维。本文有公司网站网站采集转载中国知网网络整理http://www.hfwgjx.cn   将样本湿度分为2类,即需要浇水和不需要浇水,并做好标签。4.2实验结果分析实验数据分批加载进内存进行训练,批处理大小为20,加载1批数据进行1次训练即1次迭代。在找到合适的卷积神经网络模型前测试不同卷积层数、卷积核数下网络模型的收敛情况。卷积神经网络中,设置合适的卷积层数是建模的关键步骤之一[11]。卷积层数过多可能导致网络出现过拟合现象。文中分别使用3层卷积、2层卷积、1层卷积和不使用卷积层进行实验,每种网络结构迭代了20次。并比较其收敛性及准确率,如表1所示:在卷积层数大于2层时网络的准确率并不高,而在卷积层数为1时获得了较高的准确率,不使用卷积层采用全连接层时网络不收敛。所以只采用了1层的卷积神经网络。卷积核大小是影响网络效率的另一重要因素。当使用具有1层卷积层的网络结构时,将网络的卷积核数分别设置为7、5、3进行实验,迭代20次后,不同卷积核下各网络准确率如表1所示?园林智能浇灌-数控弯管机液压滚圆机滚弧机全自动钢管滚圆机滚弧机折弯机本文有公司网站网站采集转载中国知网网络整理http://www.hfwgjx.cn