刘庆飞
- 作品数：6 被引量：45H指数：3
- 供职机构：新疆大学电气工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学一般工业技术交通运输工程更多>>
- 电活性聚合物在外电场作用下的面积测量方法研究
- 2014年
- 分析了现有电活性聚合物在外电场作用下变形面积测量方法的缺点,利用数码相机采集电活性聚合物变形后的图像,从而获得数字图像。将数字图像加载到程序中,进行图像预处理、阈值分割、滤波处理等一系列连续操作获取感兴趣区域。最后提取感兴趣区域轮廓,利用格林公式对感兴趣区域的进行边界积分,获得了以像素点描述的电活性聚合物面积值。与其他测量方法相比该方法能方便、快捷、准确地获取电活性聚合物的面积,经过实验分析在测量精度上也获得了较好的效果。
- 李玉麒刘庆飞陈洁
- 关键词：数字图像处理电活性聚合物面积测量
- 电致动驱动器的变形量研究被引量：3
- 2016年
- 用红外光谱、扫描电镜表征了介电弹性体VHB4910在不同预拉伸条件下的结构和形貌;用能谱分析了柔性电极导电膏中元素的种类和数量;在优化条件下由VHB4910和柔性电极制备了电致动驱动器,测试了其应变响应特性,并在柔性电极中加入0.3%的银粉进行相关对比实验.研究表明:VHB4910经等轴预拉伸后,材料表面更均匀,应变效果更好;在加压5 kV时,未添加银粉的柔性电极制作的电致动驱动器能产生更大变形量,为149.8%,推测其与"量子隧道效应"有关.
- 陈洁李玉麒刘庆飞何山詹仲强
- 关键词：介电弹性体
- 基于迁移学习的番茄叶片病害图像分类被引量：29
- 2019年
- 针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究。使用14 529张番茄叶片病害图像,随机选择70%作为训练集,30%作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别。在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验。结果表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62%,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6%。采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类。
- 王艳玲张宏立刘庆飞张亚烁
- 关键词：番茄卷积神经网络特征提取SVM病害分类
- 基于速度与比功率的机动车尾气排放建模
- 本文提出一种基于速度和比功率的机动车尾气排放模型,以某市机动车实际道路排放测试数据为研究对象,通过对车辆工况进行划分后利用基于实时比功率和排放分担率聚类算法将相近行驶状态归类,采用最小二乘回归拟合建立各类平均排放率与行驶...
- 张宏立吴微王聪刘庆飞李新凯
- 关键词：机动车尾气排放模型构建
- 基于深度可分离卷积的实时农业图像逐像素分类研究被引量：13
- 2018年
- 【目的】为了提高作物和杂草的识别准确率和实时性,以苗期甜菜田间彩色图像为研究对象,提出了基于深度可分离卷积的实时农业图像逐像素分类方法。【方法】本研究使用由农业机器人采集的苗期甜菜田间彩色图像,通过人工逐像素标注方法将彩色图像中各个像素点标注为作物、杂草、土壤3个类别,并将单一类别的标注信息分别置于3个不同的图像通道,构成用于训练和测试的数据集。首先,建立以编码器-解码器为基础的深度可分离卷积神经网络模型,将编码器部分和解码器部分进行多尺度合并,由编码器部分决定像素位置,解码器部分获得像素分类;然后,为了解决分类类别覆盖率不平衡的问题,通过单通道标注信息训练,提高了低覆盖率分类类别的准确率,再将多个训练结果输出,实现对图像中的土壤、杂草、作物的识别;为了控制网络参数规模,采用宽度乘数控制点卷积核的个数,同时在不同分辨率输入条件下对网络模型进一步测试,以讨论网络模型的实时性。最后,使用随机数据增强技术扩充数据集,数据集中的80%用于网络参数的训练,20%用于测试网络性能。【结果】(1)通过与已有逐像素分类方法比较,本文方法获得较高的分类准确率。其中,SegNet方法逐像素分类的平均准确率为90.06%,U-Net方法平均准确率为92.06%,三通道标记训练的本文网络平均准确率为92.70%,单通道标记训练的本文网络平均准确率达94.99%。(2)通过计算不同方法单一类别逐像素分类的各项指标,论证了本文提出的单通道标注信息训练方法在处理分类类别覆盖率不平衡和训练样本较少情况下的优势。对杂草逐像素分类的准确率,SegNet方法为18.39%,U-Net方法为18.33%,三通道标记训练的本文网络为22.87%,单通道标记训练的本文网络准确率达41.94%。(3)通过宽度乘数可以有效控制网络模型的参数规模,当�
- 刘庆飞张宏立王艳玲
- 关键词：卷积神经网络
- 基于人工流场的移动机器人路径规划方法研究
- 2019年
- 针对移动机器人路径规划问题,将二维流体流动过程与机器人移动过程相结合,提出基于人工流场的移动机器人路径规划方法,即人工流场法AFF.该方法首先在移动机器人的规划空间中建立虚拟流场,然后求解虚拟流场的速度场分布和压力场分布,而后获得一组流线簇,最后依据所定义的最优路径评价准则生成移动机器人最优规划路径.该方法针对几种典型的障碍环境进行了仿真分析,结果表明该方法相比现有的方法能获得一条更安全且平滑的路径,验证了该方法的有效性.
- 孙永超高丙朋樊小朝刘庆飞
- 关键词：移动机器人路径规划
