分类: 计算机科学 >> 自然语言理解与机器翻译 提交时间: 2023-07-29
摘要: 目前主流的人工智能,普遍采用注意力机制 + 深度学习+强化学习的技术道路。在 AIGC(Artificial Intelligence Generated Content)领域取得了长足进步,掀起了大模型的技术浪潮。但在那些需要和实际环境互动的领域,比如老人护理,家庭保姆,农业生产,车辆驾驶等领域,试错成本很高,需要大量试错的强化学习过程难以实现。所以,要想实现能适用于任何领域的通用人工智能,我们既要利用现有技术,又要解决现有技术的缺陷,从而推动人工智能的技术浪潮进一步发展。在本文中,我们分析了大模型技术路线的局限性,并针对这些局限性,提出了解决方案,从而解决了大模型的固有缺陷。在本文中,我们将揭示如何一步一步实现通用人工智能。
分类: 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间: 2023-02-17 合作期刊: 《智慧农业(中英文)》
摘要: 精准饲喂是全龄人工饲料工厂化养蚕节本增效的核心技术之一,家蚕自动化识别与计数是实现精 准饲喂的关键环节。本研究基于机器视觉系统获取工厂化养蚕过程中蚕在4龄和5龄期的数字图像,利用改 进深度学习模型Mask R-CNN检测蚕体和残余饲料。通过在Mask R-CNN模型框架中加入像素重加权策略和 边界框细调策略,从噪声数据中训练一个鲁棒性更好的目标检测模型,实现模型性能的优化,提高对蚕体 和饲料边界的检测和分割能力。改进Mask R-CNN模型对蚕的检测和分割交并比阈值为0.5时的平均精度 (Average Precision at IoU=0.5,AP50) 分别为0.790和0.795,识别准确率为96.83%; 对残余饲料的检测和分 割AP50分别为0.641和0.653,识别准确率为87.71%。模型部署在NVIDIA Jetson AGX Xavier开发板上,单张 图像平均检测时间为1.32 s,最长检测时间为2.05 s,运算速度可以满足养蚕盒单元在生产线上移动实时检 测的要求。该研究为工厂化养蚕精准饲喂信息系统和投喂装置的研发提供了核心算法,可提高人工饲料的 利用率,提升工厂化养蚕生产管理水平。