基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理具有重要意义。该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫个体间形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络(Light Weight Residual Network,LW-ResNet)用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×10^(6)个,浮点运算量仅为0.34×10^(9)次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。

数据结构与虚拟仪器结合教学案例——基于二叉树的图像加密

数据结构是计算机专业的核心专业课,学生常感到该课程内容抽象、案例单薄。为了增强课程的应用性和课堂的趣味性,本文利用二叉树性质和遍历方法,借助虚拟仪器实验平台设计实现了图像信息加密的教学案例,不仅有利于学生对树型结构知识点的掌握和理解,也大大的活跃了课堂气氛,授课效果明显提升。

北京房山雾霾与GNSS水汽相关性分析

伴随着我国社会经济的高速发展,近年各地来雾霾事件频发,严重的影响了人民的日常生活。本文分析了北京房山2014到2017年空气质量影响因子(PM2.5、PM10和AQI)与大气可降水量的相关性,在此基础上本文对GNSS技术探测雾霾发生的可行性进行了研究。本文基于对北京房山站的分析结果,表明PM2.5、PM10含量、AQI与大气中可降水量PWV具有较强的正相关性,且大气中PM2.5、PM10含量、AQI与可降水量PWV都表现出明显的季节性特征,以上结论表明GNSS技术可用于雾霾的预测。