《基于半监督学习的农机田-路轨迹分割方法》

  • 来源专题:农机装备
  • 编译者: 江浩
  • 发布时间:2025-08-19
  • 该研究旨在利用未标记的农业机械轨迹数据提升田间道路轨迹分割性能。首先,使用预训练模型进行田间道路轨迹分割,并通过多视角特征融合从轨迹图像中提取视觉特征,同时利用统计分析提取语义分割和运动特征。接着,应用双向长短期记忆网络(BiLSTM)融合运动和视觉特征,以预测未标记轨迹的田间道路分割。 为了系统评估,该研究提出了使用戴维森-博尔丁轮廓系数(DBsil)的评估方法,结合了戴维森-博尔丁指数(DBI)和轮廓系数(Sil),以考虑轨迹标签质量的多个关键方面,如标签的紧密性和分离度以及数据点到聚类中心的相对距离。因此,通过半监督学习获得了高质量的伪标签样本。 最后,利用标记的轨迹数据集重新训练田间道路轨迹分割模型,并建立了上下限以调节标记数据集中伪标签样本数量的训练集大小。整合伪标签样本以最大化模型学习效果。
  • 原文来源:http://www.tcsae.org/article/doi/10.11975/j.issn.1002-6819.202410153
相关报告
  • 《基于预报轨迹校正模型的AUV热带气旋追踪方法》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:liguiju
    • 发布时间:2024-02-21
    • 近日,自然资源部第二海洋研究所与上海交通大学联合培养的硕士研究生戚方正和博士研究生马习文以第一和第二作者在Ocean Engineering 上发表了题为“Tropical cyclone tracking for autonomous underwater vehicles based on forecast path correction model”的研究论文,论文通讯作者为自然资源部第二海洋研究所杨劲松研究员。 传统的热带气旋(TC)观测方法已经越来越不能满足海洋科学发展的需要。可以预见,无人化、智能化的观测方法将是未来海洋观测的发展方向。与被动观测的方法不同,本研究依据追踪TC引起的流场中心来确定TC中心的思路,提出了一种AUV主动追踪TC并实时校正轨迹预报误差的可行方案。 预报轨迹校正模型定义了四种类型的点,它们主要作为模型的计算对象,用于描述特定的TC追踪过程。本研究还设计了数据处理模块和海流计算模块用于更新待计算的关键点。除此之外,校正算法的设计可以通过分析既有的轨迹误差,进而推测未来预报点的误差,以此实现轨迹校正。 模型在计算关键路径点的过程中,采用了多边定位法来确定一个具有稳定结构的TC所激发的海流的中心。校正算法在确定AUV追踪轨迹的同时,也修正了TC路径预报数据带来的误差。最后,文章通过仿真实验,验证了该模型的有效性。 通过对仿真结果误差性质的分析,AUV成功地将海流数据产生的误差均值和方差与理论期望进行了匹配。需要指出的是,该研究中的应用场景涉及到许多相互关联的逻辑关系,不能将其拆分成一个个孤立的数学问题。虽然算法在仿真中显示出了表现较好的结果,但进一步的改进仍然需要来自真实世界数据的支持。该研究为AUV在现实条件下持续追踪TC奠定了基础,这同时也为现场作业中高效采集数据提供了可能。 该研究得到了国家自然科学基金项目、上海交通大学深蓝计划、南方海洋科学与工程广东实验室(珠海)创新团队科研建设经费的资助。 论文引用:F.Z. Qi, X.W. Ma and J.S. Yang, 2024. “Tropical cyclone tracking for autonomous underwater vehicles based on forecast path correction model” , Ocean Engineering.
  • 《一种利用一类支持向量机检测光伏系统异常的无监督监测程序》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2019-01-03
    • 在光伏发电中,最大的挑战之一是保持设计的光伏系统以预期的运行效率运行。为了实现这一目标,光伏电站的故障检测对于保证其可靠性、安全性、最大化运营利润和避免昂贵的维护费用至关重要。在此背景下,提出了一种基于模型的异常检测方法,用于光伏系统直流侧监测和临时遮阳。首先,建立了基于单二极管模型的模拟光伏阵列监测特性的模型。然后,利用一类支持向量机(1SVM)程序对仿真模型的残差进行故障检测。选择1SVM方法来量化正态特征和异常特征之间的差异,是因为它具有很好的非线性特征处理能力,而且不需要对底层数据分布进行假设。通过对阿尔及尔9.54 kWp并网电厂实际数据的实验结果表明,与其他二元聚类方案(即, K-means, Birch, mean-shift, expected - maximization, and agative clustering)。 ——文章发布于2019年2月