基于轻量化网络MobileNetV2的玉米病害识别研究

针对传统玉米病害的识别方法过于依赖个人经验、出错概率高的问题,结合深度学习与计算机视觉技术,提出一种基于迁移学习和MobileNetV2模型的识别方法,能够较准确地识别常见的三类玉米病害:灰斑病、锈病、大斑病。与经典CNN网络模型LeNet对比后,发现该方法具有计算量少、准确率高的特点,适用于移动设备。该方法在Kaggle数据集上的平均识别率达到96.94%,模型大小只有8.95MB。

智慧实验室安防系统研究设计

针对目前高校电子物理类实验室的安全隐患和防盗,以及为了提高学生使用实验室的便利程度,结合当下热门的物联网技术,设计了一种基于HT32F52352单片机的实验室安防系统。该系统利用传感器实现对实验室关键环境指标的检测:温湿度检测、电器设备烧焦气体检测、人体红外检测;搭载了自动断电模块,可在实验室无人时实现实验设备自动断电;同时还结合门禁系统搭载人脸识别模块,将采集到的信息利用无线WiFi传输至PC上位机,方便管理员查看。