基于多分辨率多类特征融合的梨叶小炭疽病斑识别

[目的]炭疽病是梨树发生早期落叶从而导致树体衰弱、减产的重要原因之一。为实现梨叶小炭疽病斑的自动监测,及时采取防治措施,本研究构建梨叶小炭疽病斑识别模型。[方法]提出了细粒度颜色矩(fine grained color moments,FG-CM),来描述病斑的颜色特征,用LBP(local binary pattern)、HOG(histogram of oriented gradient)提取病斑的纹理和形状特征,将3种特征进行融合,基于随机森林(random forest,RF)特征选择得到最优的融合特征,最后送入RF分类器进行训练,并采用多分辨率去重算法对识别结果进行去重融合。[结果]多特征融合的方法优于单特征以及两两组合,多分辨率方法优于单分辨率,RF对梨叶炭疽病的识别能力优于BP(back propagation)、SVM(support vector machines)以及R-CNN(region-based convolutional neural networks)、Faster R-CNN、SSD(single shot multibox detector)算法,识别准确率为97.88%,召回率为97.95%。结果验证了细粒度颜色矩FG-CM优于传统颜色矩,在识别中最为关键。[结论]本研究提出的基于多分辨率多类特征融合处理算法(multi-resolution and multi-class feature fusion algorithm,Multi-RF)可以准确快速识别出梨叶上的小炭疽病斑,对快速诊断梨树炭疽病的危害程度并及时防治具有重要意义。

网络文化对大学生心理健康影响与对策

当前网络发展迅速,信息化高速发展,信息流巨大。大学生对网络的使用达到了 100% 的程度。我们从网络中获取着各类信息资源、各类社会消息,给我们的生活带来了极大的便利,但与之同时出现的是各类危害我们心理健康的内容。能否网上网下保持人格的和谐统一,能否网上网下均保持良好的情绪情感,能否不因网络的使用而影响健康的学习生活与工作,能否在使用网络时正确分辨信息,能否避开有危害的网络信息,都成为影响我们心理健康的重要因素。本文结合各类数据,在其他相关研究的基础上旨在研究影响我们大学生心理健康的网络因素,以便大学生在享受网络带来的便利的同时克服和规避网络的负面效应,为研究大学生心理健康发展、保护大学生身心健康提供参考。