基于改进卷积神经网络的中药饮片图像识别

为解决AlexNet网络模型在中药饮片图像识别中存在的识别准确率和鲁棒性不够理想的问题,以常见的50种中药饮片为研究对象,对AlexNet网络模型进行改进优化。首先通过拍摄以及搜索引擎获取中药饮片图像,并对图像进行数据扩充以及细节增强预处理。其次对AlexNet网络模型进行优化改进,通过缩减原网络的卷积核个数和卷积核大小、使用全局平均池化(global average pooling, GAP)替代全连接层以减少网络参数;去除局部响应归一化(local response normalization, LRN)层、引入批量归一化(batch normalization, BN)层和使用Lion优化算法替代随机梯度下降(stochastic gradient descent, SGD)优化算法以提高网络训练速度;使用Mish激活函数替代ReLU激活函数和引入通道注意力机制SENet网络以提高模型的识别精度。实验结果表明,改进后的网络模型相比于AlexNet网络模型,平均识别率提高了6.1%,平均损失率下降了14.4%,网络参数由原来的60 M缩减至1 M,该结果表明在中药饮片数据集上,改进...     

改进的YOLOv3交通标志识别算法

针对复杂场景下交通标志检测存在精度低、检测速度慢等问题,提出一种基于YOLOv3改进的S-YOLO(stronger-YOLO)交通标志算法。首先,合并批归一化层到卷积层,以提升模型前向推理速度;其次,采用二分K-means聚类算法,确定适合交通标志的先验框;然后引入空间金字塔池化模块,提取特征图深度特征;最后引入完整-交并比(complete-IoU,CIoU)回归损失函数,提升模型检测精度。实验结果表明,在重制的中国交通标志数据集(Chinese traffic sign dataset,CTSDB)下,所提算法与YOLOv3相比,平均准确率和检测速度分别提升了4.26%和15.19%,同时相较YOLOv4以及其他算法对交通标志识别有更优的精度和速度,具有良好的鲁棒性,满足复杂场景高效实时检测。     

基于卷积神经网络的交通标志识别方法

交通标志识别在自动驾驶过程中起着十分重要的作用。为了解决识别精度低的问题,提出一种基于卷积神经网络的识别方法,通过改进深度相互学习网络完成对交通标志的识别,使用ResNet-19网络作为特征提取部分,使用全局平均池化层作为分类器部分,使用交叉熵损失和相对熵损失作为损失函数部分,并增加超参数α与δ来衡量这两个损失在训练中的权重;同时,引入一种使用不同初始值的批量归一化层训练的技巧,以此来提高模型的收敛速度。试验研究中,改进的方法用在德国交通标志识别测试集上达到了98.90%的识别精度,比改进前精度提高了2.17%,与目前优秀的交通标志识别模型相比,本方法精度仍有一定的提高。试验结果表明在复杂的环境中,本方法可以准确地识别交通标志,这为后续相关研究提供了良好的技术支持。     

基于改进ShuffleNetV2网络的岩石图像识别

由于基于传统深度学习的岩石图像识别算法模型比较繁琐,而且应用于移动终端等需要一定的计算能力,因此很难实现对岩石类型的实时准确判别。为此,以ShuffleNetV2网络为基础,插入通道连接注意力机制ECA(Efficient Channel Attention)模块,使用Mish激活函数代替ReLU激活函数并引入轻量级网络部件中的深度可分离卷积。将该方法用于岩石图像识别,实验结果表明,改进后的算法结构简单,同时具有轻量化的特点,其识别精度达到94.74%,可在移动终端等有限资源环境下应用。     

基于改进卷积神经网络的苹果叶部病害识别

针对苹果病害叶片图像病斑区域较小导致的传统卷积神经网络不能准确快速识别的问题,提出基于改进卷积神经网络的苹果叶部病害识别的网络模型.首先,将VGG16网络模型从ImageNet数据集上学习到的先验知识迁移到苹果病害叶片数据集上;然后,在瓶颈层后采用选择性核(selective kernel,简称SK)卷积模块;最后,使用全局平均池化代替全连接层.实验结果表明:与其他传统网络模型相比,该模型能更准确快速捕获苹果病害叶片上微小的病斑.     

结合批归一化的轻量化卷积神经网络分类算法

传统的深度卷积神经网络结构复杂,参数量多.针对现有的轻量化卷积神经网络模型结构,提出一种改进的轻量化卷积神经网络BN-MobileNet.采用模型压缩的方法对原结构进行缩减,减少冗余参数,再对深度可分离卷积的结构进行改进,在relu非线性激活层后加入归一化层来对非线性激活层所输出的数据进行归一化处理.同时,使用全局平均...     

突变模型在综合评价中的应用

给出突变模型在综合评价应用中的基本思想和方法，并对城市生态化水平进行了评价。     

基于注意的图像识别模型及其在人像检测中的应用

提出了一种基于注意机制的图像识别模型。其基本想法是：在进行复杂的场景分析或目标识别时,首先通过注视控制机制,获得视景中的关键特征区域,并将注视点按照一定的顺序对这些关键特征区域进行串行扫描。在扫描到每一个关键特征区时,将对该区域附近的局部模式进行记忆或匹配。对一个复杂目标的记忆将包括2部分,一部分是对局部模式的记忆,即组成该目标的各“部件”的模式;另一部分是对各局部模式之间的空间关系的记忆,即组成该目标的各“部件”之间的结构关系。与记忆过程对应,识别过程也包括2部分,一部分是对局部模式的匹配,另一部分是对各局部模式之间结构关系的匹配。当匹配上的局部模式足够多且其空间关系正确时,目标即得到识别。用该模型对复杂背景中的人像进行了检测。实验结果表明,模型较好地解决了不变性识别的问题,即识别结果与目标物的平移、旋转和尺度变化无关,并且具有良好的鲁棒性和速度,是一种具有认知意义并且可以实用化的模型。     

幂律流体的平均流动模型在粗糙径向滑动轴承中的应用

以遵从幂律的非牛顿流体为润滑介质，利用“流量因子”和“接触因子”的概念，推导出粗糙表面非定常幂律流体流动的“平均雷诺方程”。对表面粗糙纹向≥０，处于全油膜和部分油膜的有限长动载径向轴承，用差分方法进行数值求解，分析了粗糙度和幂律指数对轴承压力分布、承载力、流量系数的影响，得到了表面粗糙度纹向γ及均方差σ和润滑油的非牛顿特性独立地影响轴承油膜力学特性的结论。     

转BADH基因稻田主要害虫及天敌种群动态

利用种群生态学原理,对转BADH基因稻田害虫及其天敌种群动态进行了调查研究。结果表明:转基因稻田与对照稻田(中花8号)害虫和天敌的种类基本相同,发生量有一定差异;转基因稻不同株系中害虫及天敌的种群数量有升有降,但与对照稻田相比差异均不显著;主要害虫和天敌种群动态监测表明:各供试稻田中二点叶蝉、白背飞虱、稻纵卷叶螟的发生高峰期均为7月下旬、7月中下旬和9月上旬,三突花蛛、三色长蝽、纵卷叶螟绒茧蜂的发生高峰期与主要害虫的高发期基本一致,天敌-害虫跟随现象明显。综合分析表明:转BADH基因稻对稻田害虫及天敌无明显的负面影响。     

图像拼接技术在大米检测系统中的应用

图像拼接技术主要包括图像匹配和图像融合,根据大米检测系统获取图像的特性,在块模板匹配算法基础上提出了一种改进的块模板匹配算法.并通过大米图像实例把两种算法进行了比较分析,实验结果表明改进的块模板匹配算法效率更高,匹配效果更好.采用了最为常用的加权平均法中的渐入渐出的图像融合算法.     

稻壳、稻壳灰在建筑上的应用

阐述稻壳、稻壳灰的组成及其在建筑材料上的应用。稻壳不经预处理可制轻混凝土；稻壳经过焙烧得到的稻壳灰，含ＳｉＯ２９５％左右，与硅灰的化学成分，物化性能，结构相近，适合作高性能混凝土（ＨＰＣ）的细掺合料，在建筑上用作稻壳灰水泥及稻壳灰水泥混凝土。认为稻壳灰是一种节能，高效，持续发展的，有潜在经济效益，社会效益，环保效率的建筑材料。开展以稻壳灰为主的多种超细材料的复合规律研究，具有重要的现实意义。     

改进型太阳能杀虫灯对凉山州害虫诱杀效果研究

太阳能杀虫灯是田间害虫绿色防控的主要手段之一,为研究改进型JYSH-2A太阳能杀虫灯(波长320～600 nm)对凉山州害虫的诱杀效果,在凉山州的西昌市和甘洛县进行诱杀试验。通过对诱集到的昆虫进行鉴定和分析,结果表明:改进型太阳能杀虫灯诱集到的昆虫种类有80余种,诱虫数量为15 376头,杀虫率在85%以上,且对有益昆虫的伤害小,可用于凉山州田间害虫的主要防治措施。     

广西野生稻抗病虫性鉴定研究的主要进展

综述了广西野生稻资源稻瘟病、稻白叶枯病、褐稻虱、白背飞虱、稻瘿蚊抗性鉴定的主要结果，介绍了一批优良的抗性资源，并展望了今后的工作。     

深度学习在图像识别中的应用

深度学习通过建立深层神经网络来模拟人脑进行分析、学习和解释数据,被广泛用于图像识别领域.首先,简述了深度学习在图像识别中的研究现状;其次,介绍了卷积神经网络、深度置信网络、循环神经网络和生成对抗网络等几种常用于图像识别领域的深度学习网络模型;然后,从人脸识别、动作识别、跌倒检测等方面,论述了深度学习在图像识别领域的典型应用;最后,探讨了该领域的研究难点及发展前景.深度学习可以从不同的图像中自动提取相似的特征并进行分类,识别率高,鲁棒性强,推动了人工智能背景下图像识别的发展.无监督学习、对抗网络等将成为深度学习领域的热点.     

设施农业中害虫的生态控制

介绍了我国设施农业中蔬菜病虫害的发生特点和棚室常见害虫及其危害特征 ,并对设施农业中害虫的生态控制措施进行了阐述。这些措施包括农业防治、物理防治、生物农药防治、信息素防治、植物源保护剂和杀虫剂防治、天敌昆虫及蜘蛛防治等。     

改进灰色关联分析在优质早籼稻品种选育中的应用

利用灰色关联分析,对2001年浙江省“9410”联合品比试验温州点结果进行了分析．结果表明,主要性状对产量的关联度顺序为：千粒重＞最高苗＞生育期＞穗粒数＞株高＞有效穗＞穗率＞结实率．为水稻育种提供了科学的理论依据．     

改进的加权调和平均算子及其在多属性决策中应用

在加权调和平均（WHA）算子的基础上,提出了信息数据集结的有序加权调和平均（OWHA）算子和组合加权调和平均（CWHA）算子,探讨了它们的一些性质关系,给出了OWHA算子和CWHA算子应用于多属性决策的方法,最后通过实例分析表明该决策方法是有效和可行的.