结合高光谱特征与语义分割的水稻产量分类

正确分类高产水稻是育种的关键步骤。但在育种程序中进行手动测量非常耗时,且成本高,通量低,限制了其在大规模现场表型分析中的应用。该研究探究了使用高光谱特征波段分布选择法与deeplabv3+语义分割算法分类水稻高光谱数据的潜在用途,以加快许多育种者的水稻育种工作进程。通过配备有高光谱摄像头的无人机平台(UAV)来捕获多个时间序列的水稻高光谱图像,先根据对水稻光谱的相关性分析,采用特征波段分步选择法提取原始数据的最佳波段组合特征向量构成伪RGB图,利用deeplabv3+网络对数据集进行训练,然后对产量类别做出预测。相比传统分类算法,分类准确率提高了10%左右,总体准确率F1-measure约为0.87,均交并比MIOU达到了0.92。该研究在保证分类准确率的基础上,简化了对农作物表型分析和统计的程序,证明了利用水稻高光谱数据预测出高产水稻的可行性。

基于温度控制的油漆加工系统的应用研究

介绍了某油漆厂油漆加工过程计算机控制系统的组成、基本方案、控制软件的结构和主要功能模块设计,VC++6 0多线程技术在智能仪表通信中的解决方法以及温度控制仪表网络通讯的实施过程。实现了网络数据通讯、集散控制以及数据管理。应用表明,系统运行稳定可靠,提高了油漆加工技术的自动化及产品质量。

区域联网报警系统

介绍了一种以公共电话网为传输媒介的区域联网报警系统,给出了该系统的系统构成、基本功能、特点以及软、硬件的实现。该系统具有自动报警、监听、录音、报警信息的自动维护和管理等多项功能。它集现代电子技术、通信技术和计算机控制技术于一体,可靠的实现了区域之间的联网报警。

基于改进的Faster R-CNN船舶目标检测算法

为了提髙船舶目标的检测率和效率,提出了一种改进的基于区域的快速卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)船舶目标检测方法。采用图像降尺度方法,旨在增强船舶图像的有用信息;采用场景窄化方法将目标区域定位网络和FasterR-CNN卷积神经网络构建成一个层级窄化网络,旨在降低目标检测搜索尺度,从而提高Faster R-CNN的计算速度;研究具有主题窄化功能的Faster R-CNN,选择纹理特征和空间差异特征作为窄化子网络,旨在实现主网与子网间深度协作的功能,优化网络参数.试验结果表明:该方法在提高FasterR-CNN算法检测精度的同时,显著地缩短了检测时间.

融合图像显著性的YOLOv3船舶目标检测算法研究

针对复杂水面环境下的船舶目标检测问题,运用融合图像显著性的YOLOv3船舶目标检测改进算法以提高检测能力。该算法基于Darknet-53网络模型,根据水上船舶特点,融合非极大值抑制算法Soft-NMS和显著性检测算法FT思想,进一步优化最终检测以达到更准确的效果。用Soft-NMS算法替换原有NMS算法,使得算法对小目标和重叠目标检测效果明显提升。融入FT算法对船舶图像局部细节作进一步细化,使得包围盒回归更加准确。在建立的数据集上进行训练与测试,实验结果表明,改进方法比原始方法准确率提高4%,达97%,检测速度提高10帧/s,达30帧/s,表明改进算法有效提高了船舶目标检测精度,且加快了检测速度。