一种基于彩票迁移的稀疏网络植株病虫害识别模型

植株病虫害的识别能够有效地提高农作物产量,当前数据驱动的深度植株病虫害识别方法需要大量的有标签数据,导致现有方法难以很好地识别少样本的新病虫。且基于深度学习的方法需要对大量的参数进行训练,难以削减计算开销。研究设计一种基于彩票迁移的稀疏网络植株病虫害识别模型:定义深度网络的彩票迁移假设,利用压缩策略构建稀疏网络,识别迁移源域的本质知识,提高深度网络的迁移效率;然后,设计深度彩票迁移算法,训练植株病虫害深度识别模型,解决少样本病虫识别调整;最后,在典型的通用数据与植株病虫害识别数据集上,验证基于彩票迁移的深度植株病虫害识别模型能高效迁移源域的本质知识。在PlantVillage数据集上,对植株病虫害识别准确率为97.69%,且所需训练的参数只有原始网络的约30%。     

基于轻量化模型和迁移学习的花卉识别

针对现有花卉识别方法存在的识别精度不高、模型体积大等问题,提出一种基于轻量化模型和迁移学习的花卉识别方法.首先,以MobileNetV2模型作为骨干网络构建轻量化的花卉识别模型;然后,采用迁移学习策略使模型具备良好的初始特征提取能力;最后,利用小规模的花卉图像数据集对模型进行逐级训练和微调,使模型获得最佳的花卉识别能力.实验结果表明,该花卉识别模型在花卉图像数据集Oxford flower-102上获得了97.76%的识别精度,并且模型体积只有9.2 MB,具有识别精度高、模型体积小的优点,方便在移动设备上部署和应用.     

基于迁移深度模型的人脸表情识别研究

针对表情识别研究对网络的训练要求较高,超参数优化较难,训练效果期望低等问题,提出基于迁移学习的深度学习模型,利用几种较新的模型迁移到表情识别的训练中,即搭建CNN网络和基于迁移学习的ResNet18、ResNet50、MobileNetv2网络,通过大量的训练实验对比四种模型。仿真表明,所提出的模型与常用的模型相比,增强了算法性能,优化了表情网络性能,提高了人脸表情识别率和迁移学习效果。     

基于迁移学习Faster R-CNN模型田间红提葡萄果穗的识别

葡萄种植过程中大部分工作由人工完成,其劳动强度较大且生产效率低,为实现田间作业的自动化需要准确识别田间葡萄果穗,本文采用Faster R-CNN模型实现田间红提葡萄果穗的识别.首先根据田间环境采用不同设备采集葡萄果穗图像,包括不同光照强度下不同成熟度的葡萄果穗图像,通过数据扩增的方法将样本数量扩大4倍并制作数据集,再分...     

基于双语动态系统包的视角无关的人体行为识别

视角无关的人体行为识别是计算机视觉领域研究的热点和难点之一.现有的视角无关的行为识别算法的识别率随着角度的改变差异很大,尤其与俯角相关的识别效果还不够理想.提出了一种基于双语动态系统包的视角无关的人体行为识别方法.首先结合兴趣点检测器和密集采样算法提取视频帧中的时空立方体并对每个时空立方体建立线性动态系统（LDS）;其次对LDSs进行非线性降维聚类形成码本,并根据LDSs在码本中的分布及权重用一个动态系统包（bag of dynamical systems）来表示每个动作样本;最后同时对两个视角下的BoDS采用K-奇异值分解（K-SVD）算法得到一对可迁移字典对,然后根据这对字典对采用正交匹配追踪（OMP）算法得到两个视角下每个动作的稀疏表示.在IXMAS多视角数据库的实验结果表明了文中算法的稳定性和有效性.     

基于动态概率关系模型的规划识别研究及应用

根据Sanghai等人在概率关系模型的基础上引进的动态概率关系模型的概念,把该理论应用于规划识别的研究。动态概率关系模型是动态贝叶斯网络(DBNs)的一种扩展。通过引进动态概率关系(DPRM)讨论了动态不确定性问题。粒子滤波算法,作为在DBNs中的标准推理方法,在运用与DPRMs时有严重的局限性。利用Rao-Blackwellisation关系理论可以有效的改善,进一步再引入规划树概念,使DPRMs在机械装配领域得到了成功的应用。     

微位移传感器的简便动态模型识别

通过搭建动态校准实验装置,在频域内对微位移传感器系统进行了动态校准,根据实验数据结果,利用一种幅频建模方法完成了动态数学模型的建立,并进行了模型检验,实现了对微位移传感器的简便动态模型识别。     

基于轻量级CNN的作物病虫害识别及安卓端应用

针对传统病虫害图像识别方法流程繁琐、效果差和应用困难等问题,本文以番茄、玉米、马铃薯3类作物17种叶部病虫害图片为研究对象,通过改进MobileNetV3网络模型并部署到移动端,实现了对多种作物病虫害图像的有效分类。首先,对病虫害图像做随机裁剪、旋转等预处理操作,对不均衡样本进行数据扩充;然后,将MobileNetV3网络从ImageNet数据集上学习获得的先验知识通过迁移学习策略应用到病虫害数据集上,经过参数微调并采用RAdam优化器训练后得到改进的轻量级网络模型;最后,将该模型通过Android Studio开发软件移植到安卓手机端。实验结果表明,该模型具有精度高、占用内存小、识别速度快等优势,能够满足对农作物叶片病虫害检测的基本要求,对智慧农业的发展具有参考意义。     

基于迁移学习的驾驶分心行为识别及模型解释

为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术研究对模型进行解释.以VGG-16模型为基础,对原模型全连接层进行修改以适应驾驶分心行为识别任务,将原数据集中的10类驾驶行为按照所包含的分心类型合并为6类,采用合并后的数据集进行模型训练和验证.利用Grad-Cam方法提取了模型在识别不同驾驶行为时的重点关注区域并进行可视化,对照各分心行为的特点及模型分类时的重点关注区域对模型进行了解释.结果表明:所构建模型在测试集中的平均识别准确率达98.89％,经过训练的模型已具备了定位各驾驶行为的关键特征并据此判别行为类别的能力.     

苹果树病虫害智能识别系统设计与实现

为提高苹果的产量和质量,防止病虫害对果实质量的影响,设计了一款基于机器视觉的苹果树病虫害智能识别系统。该系统采用交互式分割(GrabCut)算法对图像进行分割,然后使用高斯拉普拉斯算子和拉普拉斯高斯(Laplacian-of-Gaussian, LOG)算法将苹果叶片中的病斑提取出来,最后将提取出的图像送入深度神经网络(deep neural networks, DNN)进行进一步的分析与处理,能够实时、方便地识别出苹果树叶病害中较为常见、发病率高的花叶病,锈病,灰斑病,斑点落叶病以及褐斑病。经测试,该系统对苹果树5种常见病虫害识别率精度高达91.17%。结果表明,该算法能够有效提升苹果树病虫害防治,优于基于卷积神经网络特征的区域方法(regions with CNN features, R-CNN)、YOLO(you only look once)等单一病虫害检测方法。     

基于自监督域自适应网络的苹果叶部病害识别

【目的】实际农业生产环境中的苹果叶部病害识别较为困难,本文提出一种基于自监督域自适应网络的识别模型。【方法】该模型首先引入域自适应的方法,通过苹果叶部图片源域与目标域数据集的联合训练,减少源域到目标域的域偏差,增强预训练的模型在目标域上的泛化能力。其次添加自监督模块并引入一种对比损失,使模型在特征空间上学习到病变区域更为细致的表征信息,从而有效增强对相似症状的辨别能力,提高模型的分类性能。【结果】模型在具有复杂背景的公共苹果数据集上进行实验,实验表明,本文模型对各类病害的平均识别准确率达到了91.31%,实现了较高的分类准确度。【结论】本文模型与其它流行的卷积神经网络方法相比,实验结果对比其它模型均有一定的提升,验证了提出模型在实际生产环境中对苹果叶部病害识别上的有效性。     

沈阳地区草坪主要病虫害及防治

1995—2003年对沈阳地区草坪主要病虫害发生情况进行了调查采集和分类鉴定,查清了危害草坪的主要病害有7种,虫害有2种,并分析总结了冷季型及暖季型草坪常见病虫害的症状及发生发展规律,并提出有效的防治措施.     

模糊神经网络在病虫害诊断中的应用初探

基于模糊神经网络的理论。针对病虫害的诊断，给出了相关的模糊神经网络数学模型．     

小麦重大病虫害发生流行的气候影响评价

 为分析评价气候变化对小麦重大病虫害发生流行的影响,揭示全球变暖趋势下异常气候条件对病虫害时空演替和发生规律的作用机制,通过收集整合20个中国冬小麦主产省(区、市)经规范连续、广泛系统的测报调查所获得的病虫害发生数据,对应2009-2010冬小麦生育期间气候特点和极端气候事件,与历史常规年份的病虫害发生状况和气候条件进行比较.结果表明,在该生长季,由于初冬强降温、春季持续低温以及西南麦区秋冬春三季连旱等异常天气气候条件的影响,小麦重大病虫害发生时期推迟,其中条锈病扩展流行范围小、发生轻,纹枯病和白粉病扩展流行范围广、发生中等,麦蜘蛛等前期虫害发生较轻,赤霉病、蚜虫等穗期病虫害发生严重.从而得出,影响不同种类病虫害发生流行的关键时期、关键气象因子有所不同,这为病虫害预测预报分类指导和关注重点提供了依据;为做好预测预报、评估气象灾害对病虫害发生的影响,应做到“大小兼顾、长短结合,分类关注、抓住关键”.     

基于时间序列手势轮廓模型的动态手势识别

针对动态手势在时间尺度上的多变性和复杂性,提出了一种动态手势识别框架.该框架利用时间序列上提取的手势轮廓构造动态手势轮廓图像,获得不同动态手势在不同时间尺度下其轮廓图像的均值图像和方差图像,并将这些图像用于构成动态手势轮廓模型库,在此模型库基础上,利用相关信息方法和改进的动态时间规整方法完成动态手势的识别.实验结果表明,文中提出的动态手势轮廓模型对不同时间尺度的动态手势具有较强的鲁棒性,改进的动态时间规整方法较传统方法具有更高的识别率.     

基于在线学习优化动态模型库的多模型自适应控制

提出一种通过在线学习优化动态模型库的方法. 当子模型数量增长达到设定规模时, 根据动态模型库中各子模型与实际对象的匹配程度, 选取匹配程度最低的旧模型删除, 并添加新建子模型, 从而维持动态模型库在设定规模以内, 解决了在线学习建立动态模型库子模型数量不断增长的问题, 避免了子模型数量的过度增长而引起的计算量增加和性能下降, 并通过仿真证明了算法的有效性.     

基于动态环境下的说话人识别

为了解决动态环境下的说话人识别的辨认率问题,在识别阶段,把小生境粒子群算法应用于GMM之中。从实验得出,采用基于小生境粒子群的高斯混合模型提高了识别性能。