.png){kind=icon}
返回
Automatic granary sweeping strategy using visual large language model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jspr.2025.102619.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
粮食安全是人类生存的基本要素。减少粮食损耗和确保粮食质量具有极其重要的实践意义。提升粮仓的智能化水平尤为重要，因为影响残留粮食清扫的多个问题，包括人工效率低下、覆盖不全面以及设备昂贵。本研究提出了一种基于视觉大型语言模型（VLLM）的新方法，称为残留粮食清扫视觉大型模型（RGSVLM）1。首先，我们构建了一个包含在各种粮仓环境中拍摄的不同残留粮食分散模式的图像语义数据集。我们还引入了改进版的Fast Segment Anything Model（FastSAM）算法，用于检测现场图像中的残留粮食，提取视觉特征，并实现精确分割。此外，我们设计了结合图像数据的提示工程，生成对应文本数据集，有效反映真实情况。接下来，我们将该数据集与推理链框架集成，对视觉大型语言模型进行特定任务微调。这种方法弥补了原模型在逻辑推理方面的局限性，使其能够模拟人类思维过程并生成清晰合理的答案。在粮仓环境中，RGSVLM的表现优于其他模型。本研究对RGSVLM的开发与实施为建设智能粮仓提供了创新概念和技术。
Keyword:
Food security
Visual large language model
Grain sweep
Grain storage
Explainable AI
期刊
IF:
2.8
论文数:
735
被引数:
5.1K
机构
引用论文
Research on the Construction of Grain Food Multi-Chain Blockchain Based on Zero-Knowledge Proof基于零知识证明的粮食食品多链区块链构建研究.png)
Foods
OAAI
FoodsIF0
OAAI分享收藏Resistance to the Fumigant Phosphine and Its Management in Insect Pests of Stored Products: A Global Perspective对熏蒸剂磷化氢的抗性及其在储存产品的害虫中的管理: 全球视角
PREAI
分享收藏Effectiveness of oscillatory gutter brushes in removing street sweeping wasteWASTE MANAGEMENT
WASTE MANAGEMENTIF7.1
PREAI
分享收藏
没有更多内容
没有更多内容