An empirical study of fault diagnosis methods of a dissolved oxygen sensor based on ResNet-50

Towards fusing fuzzy discriminative projection and representation learning for image classification

基于机器视觉的鱼体长度测量研究综述

体长作为鱼类主要可测量属性之一，是其生长状况监测、水质环境调控、饵料药投喂、经济效益估算的重要信息依据。近年来，成像技术、计算能力和硬件设备的快速发展，基于机器视觉的无损测量方法迅速兴起，克服了传统方法在鱼体损伤、成本和性能方面的局限性，凭借快速准确、及时高效、可重复批量检测的优势成为鱼体长度测量的有力工具。本文通过文献整理和分析，对基于机器视觉的鱼体长度测量中所需的图像采集设备、鱼体轮廓提取算法和长度测量方法进行了系统的分析和总结，并对不同方法的优缺点和适用场景进行了比较。最后，提出了鱼体长度估算研究的主要挑战和未来趋势。

基于多源信息融合的农业空地一体化研究综述

无人机（UAV, Unmanned aerial vehicle）作为一种灵活、高效的农业环境信息和作物生长信息获取技术的载体，近年来在农业生产和科研领域得到了广泛的应用。随着农业4.0的来临，无人机搭载感知成像设备已经成为智慧农业中信息获取的重要技术手段，与地上或地下传感器等共同构成空地一体化系统，为智能化农业管理提供数据支持和决策依据。多源信息融合是提高无人机感知能力的关键技术之一，其研究对于无人机的应用有着重要意义。与单一信息获取相比，基于多源数据融合的方法，将多源性的各类信息进行各种运算与处理，来提取目标的特征信息，以便进行分析与理解，最终实现对目标的识别、检测和控制等。论文总结了国内外 20 多年来有代表性的相关研究和解决方案，从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发，对无人机目标检测近期的研究进行了归纳和分析。最后讨论了存在的问题，给出了今后的研究趋势与发展方向判断。

基于计算机视觉的奶牛体况评分研究综述

奶牛体况评分是对奶牛身体中脂肪含量的定量分析，能对“胖瘦”这种抽象概念给予具象解释。目前奶牛体况评分的评定主要采取人工的方法，但受人工主观性影响，评分结果的可靠性较差，评定过程耗时费力，严重依赖于评估人员的经验，基于计算机视觉的奶牛体况评分研究逐渐成为研究热点。奶牛体况评分的发展主要经历了人工评分阶段，传统机器学习阶段和深度学习阶段，后两者又可细分为2D领域和3D领域的研究。当前基于传统机器学习的奶牛体况评分方法主要存在依赖于人工标记、包含与体况评分信息少的问题，单纯地改进降维、提取特征的方法，只能在特定的情况得到提高，使用场景局限，且效果提升得非常有限。随着深度学习的兴起，研究者们开始对不需要人工标记特征的方法进行探索。深度学习与3D技术的使用使得自动体况评分的精度有了进一步的提升，但在实际生产中，为满足奶牛不同生长阶段营养管理需求，奶牛体况值与理想值差距应始终维持在±0.25内，现有自动评分系统的精度与实际养殖管理的理想标准仍具有一定差距。本文总结了62篇文献，对当前利用计算机视觉进行奶牛体况评分的研究热点和理论分析，提供见解并确定潜在的研究方向。