多卷积神经网络模型融合的农作物病害图像识别

农作物病害是粮食安全的主要威胁,病害的诊断对于农业生产来说至关重要。针对单一卷积神经网络在农作物病害识别上的局限性,分类准确率不高的问题,采用多个卷积神经网络模型融合的方式,对10种农作物的27种病害及其3种病害程度的农作物叶子图片进行病害及病害程度的细粒度识别。首先选用Resnet101、RestNext50、SE-ResNet50、SE-RestNext50这4种网络模型运用迁移学习的方式,固定底层模型参数,修改顶层的全连接层进行训练,然后采用Stacking方法将模型预测结果输入第二层元学习器XGBoost,最后对单模型预测结果和Stacking融合后的结果进行对比。实验结果表明,经过模型融合后的准确率能达到87.19%,具有较高的识别准确率及较强的鲁棒性,可以作为农作物病害的早期诊断方式,并可以进一步研究将该方法应用到真实的农业生产中。

低渗油藏压裂水平井数值模拟系统的设计与实现

针对现有油藏数值模拟软件大多是基于中高品位油藏而设计开发,低品味油藏数值模拟软件较少的问题。对油藏数值模拟系统的研制思路及开发工具进行了探讨,然后针对低渗油藏的特点设计实现了一种基于Windows平台下的低渗油藏压力水平井数值模拟及可视化系统,实现了产能模拟、参数优化、压力预测、油藏可视化等功能,同时采用了多线程技术提升了数据处理速度。实践证明,油藏数值模拟系统作为现代油田开发技术的科学决策工具,在工程和研究中起着重要的作用。