改进的Alexnet模型在水稻害虫图像识别中的应用

深度学习技术能以端对端方式实现农作物害虫识别,克服了传统机器学习方法特征选择具有主观性以及提取特征操作繁琐等不足,但识别的准确率和鲁棒性仍有待提高。为了研究出一种快速,高效的水稻害虫识别方法,本研究以稻纵卷叶螟、三化螟、稻蝗、稻飞虱4种常见的水稻害虫为研究对象,对传统的卷积神经网络Alexnet进行优化改进。首先从自然环境以及搜索引擎上获取4种不同的水稻害虫图像,并对图像进行数量扩增和细节增强预处理。然后对传统的卷积神经网络Alexnet进行优化改进,在Alexnet模型基础上,去除原有局部响应归一化层,在每一个卷积层后加入批归一化层,并采用全局平均池化和激活函数PReLU对模型结构进行优化。结果表明:改进后的模型在害虫数据集上的识别率不低于98%,相比于原网络提升了1.96%,高于LeNet5、VGG13、VGG16等传统网络;改进后的模型的损失值稳定在0.03附近,相比于原网络降低了0.1,均低于LeNet5、VGG13、VGG16等传统网络。从实验结果来看,改进后的方法在水稻害虫分类上有较高的识别率和较好的鲁棒性,可以为农作物害虫的智能识别提供了新的思路和方法。     

儿童脑囊虫病脑CT检查与脑脊液中循环抗原和抗体检测的比较研究

采用脑CT检查、循环抗原及抗体检测方法,对408例儿童脑囊虫病患者进行了对比研究。结果表明,采用这三种检测方法,所得结果一致。说明三种方法都是诊断脑囊虫病的好方法,综合运用三种方法。可提高诊断率和确诊率。     

基于MVC和XML的网络教学系统的设计与实现

网络教学平台是当今专业教育的重要组成部分。本文采用MVC设计模式,利用XML数据库存储数据,设计开发了基于高数的C程序设计网上教学系统。     

基于区块链的农产品可信检测数据存储方法

针对现阶段农产品质量检测数据的可信存取，以及数据的高吞吐量、低事务处理延时问题。本文提出了一种基于区块链的农产品可信检测数据链上链下分类存储方法。首先根据区块链的去中心化、不可篡改、带时间戳特性，将敏感的小文件检测数据存储在区块链，为其提供存储授信支持；其次将非敏感的大文件数据存储至链下数据库，从而缓解将整个检测记录链上存储所带来数据的高吞吐量；最后利用布隆过滤器的哈希函数快速判断查询元素是否在指定数据集中，来提高链上检测数据的查询效率。为了验证该方法的查询效率，本文比较了在同一区块链数据存储环境下的有或者无布隆过滤器的两套实验方案。结果表明，前者的链上数据查询速度要高于后者，因此，本文提出的方法能够为农业产品检测数据提供一个有效、可信的存取途径。