基于深度卷积神经网络的水稻病害图像识别研究

水稻病害类型多,采集过来的图像病斑交界特征复杂多变。即便同类别水稻病害在不同的生长时期,发生在叶片、茎秆、穗部等部位呈现的病斑特征也不一样,而且不同类型病害也存在相似病斑,这些都给水稻病害图像的精准识别带来了相当大的困难。采用深度卷积神经网络模型,使用数据集扩增技术,运用fine-tune方法对网络进行调参及构建,将自然场景下采集的常见8类水稻病害图像输入网络模型中进行训练和测试,在有限的图像数量下取得较高的识别精度,其中纹枯病的准确率为93%。不同于其他方法仅聚焦在水稻叶部或稻穗部,本文识别的图像是多株水稻的场景,可为水稻病害远程自动诊断提供关键技术支持。     

基于GoogLeNet多阶段连带优化的图像描述

图像描述是使用计算机将一副图像中的内容使用自然语言的形式重新表达,是图像理解任务中极具挑战性的工作。目前,使用深度CNN模型和RNN模型对图像进行编码和解码框架来解决该问题已经成为研究热点,也在多个数据集上取得了突破。但这些工作在使用CNN的过程中对其参数优化不足,且常使用分阶段训练的方式,导致整个系统易陷入局部最优。针对这些问题,在Goog Le Net模型的基础上,利用其中间特征,自底向上添加了两个辅助LSTM分支及其监督函数,通过联合训练,对整个模型进行优化,保证了CNN模型低层参数对任务的有效性,避免了系统陷入局部最优点;同时,由于加入了低层监督函数的干扰,使得模型有了额外的正则化,提高了模型的泛化能力。在Flickr8K和Flickr30K两个数据集上的实验表明,本文方法优势明显,在多个统计指标上均超过了现有其他方法。     

基于自适应引导滤波的全景图像增强算法研究

虚拟实景漫游系统中的全景图像细节比较多,因天气、拍摄技术等原因导致图像场景不清晰而需要增强,增强的目的是为了突出全景图像的美景细节信息,提高场景视觉效果。为了增强全景图像的场景细节,本文提出了自适应引导滤波算法AGIF（Adaptive Guided Image Filter）。该算法利用具有较强细节提取能力的加权最小二乘滤波器WLS （the Weighted Least Squares）构建引导图像,对已有的引导滤波GIF（Guided Image Filter）进行改进,通过引入梯度值偏移量进行像素值自适应,突出全景图的图像边缘,使得全景图像的细节进一步增强。实践表明,增强后的全景图用于虚拟漫游系统,提高了旅游场景的用户体验。     

基于Joomla!的井冈山虚拟旅游管理平台设计

针对传统旅游平台开发周期长,模块耦合性高,可扩展性差等问题,以井冈山旅游平台为例,基于Joomla！构建了一个完整高效的旅游管理web平台。首先分析了井冈山旅游平台的功能需求,使用Joomla！3.x的框架,设计了井冈山旅游管理平台的架构,并详细阐述了电子商务组件以及文章组件的设计开发,最后通过Joomla！中的SEO(Search Engine Optimization)优化技术,对该管理平台进行了SEO优化,显著提升了搜索排名。该课题对运用Joomla技术构建旅游网站及其推广具有一定的指导和借鉴意义。     

基于BP网络的有教师分类算法及应用

介绍BP神经网络的结构及相关算法,并通过实验比较不同情况下对BP神经网络的收敛速度与分类精度的影响。实验表明,合适的参数设置能提高BP神经网络算法的分类精度。     

基于手机平台的商品采价系统设计与实现

介绍了基于手机平台的采价系统的设计原理及实现过程。在手机平台计算资源和存储资源都极为有限的条件下,提出了使用其自带的摄像头对商品包装上的条形码进行拍照,调用图像识别算法对条形码进行分析,以此得出商品的价格信息,并将其上传至远程服务器。测试结果表明,该系统能够满足日常采价工作的要求,大量节省工商系统的人力和物力。     

3G与WLAN融合中认证协议的分析与改进

通过分析3G和WLAN融合方案中在安全认证方面的不足,指出认证过程中WLAN的AP不能得到验证的问题,提出了＂认证平衡＂接入方案,并分析证明了该方案能使通信的各方都能够得到有效的认证,有效地消除了融合过程中AP不能得到认证的弊端.     

基于双流混合变换CNN特征的图像分类与识别

具有表达能力及可辨别性更强的特征是图像分类与识别技术的关键。深度CNN特征经过多次中间非线性变换,特征鲁棒性更强,在图像分类与识别领域已取得重大进展。但传统的CNN模型只增加变换层次,下层变换依赖于上层输出结果,因此其中间特征冗余度较低,最终得到的特征向量信息丰富程度不够。本文提出一种基于双流混合变换的CNN模型——DTM-CNN。该模型首先使用不同大小的感受野卷积核提取图像不同的中间特征,然后在多次深度变换时,对中间特征进行混合流动,经过多次混合变换,最终得到1024维的特征向量,并使用Softmax回归函数对其分类。实验结果表明,该模型经过多次卷积、池化及激活变换,提取的特征更加抽象、语义及结构信息更加丰富,对图像具有更强的表达能力及辨别性,因此图像分类及识别性能优越。     

食品比热容的支持向量回归预测

利用粒子群优化算法和支持向量回归方法建立不同食品的比热容与其水、蛋白质、碳水化合物和脂肪等含量间的预测模型,且在相同的训练样本和测试样本条件下,该预测模型的食品比热容预测精度高于反向传播神经网络模型,具有更强的泛化能力。结果表明：该预测模型能有效地预测食品比热容。