基于卷积神经网络的油茶害虫生态识别

害虫是影响油茶(Camellia spp.)产量的主要因素之一,对其进行准确识别有助于及时防控,减少损失。目前,油茶害虫识别研究缺少相关的数据集,限制了深度学习技术在油茶害虫识别中的应用。为给在生态环境下准确识别油茶害虫提供1种新范式,构建包含1116张7类害虫的油茶害虫识别图像数据集,采用4种目标检测算法(SSD、YOLOv3、YOLOX和RetinaNet)在该数据集上进行试验。结果表明,IOU阈值为0.5时,SSD的平均精度为93.50%,YOLOX为93.50%,RetinaNet为86.80%,YOLOv3为96.60%;SSD的平均召回率为73.20%,YOLOX为75.10%,RetinaNet为78.00%,YOLOv3为76.80%。综合分析,YOLOv3的检测和分类能力最优。

基于人工智能构建以科技期刊为中心的学术生态体系

科技期刊是科研人员新成果发布的基本途径,在推动学术研究发展和知识传播方面发挥重要作用。近年,学术论文频繁出现抄袭剽窃、图片或数据造假、稿件代投、审稿操控等诸多学术不端行为。造成这一现象的重要原因是科技期刊学术生态体系未能充分发挥正向作用,学术生态失衡。本研究从科技期刊运行的4个主体(编辑、作者、评审专家和读者)出发,以需求为导向,分析其发展需求与出版行业整体环境和科研环境等的联系,探讨基于人工智能构建以科技期刊为中心的学术生态体系的可行性和方法,并分析其潜在影响和发展趋势,以期推动学术生态体系的创新和发展。

U波段射频放大器的设计

系统以单片机MSP430为主控板,设计并制作了一款U波段射频放大器,主要由前级放大器LMH6703、中间级压控增益放大器ADL5330和末级放大器ADL5536组成,测试结果表明系统在320MHz^430MHz的频率范围内实现增益起伏小于2d B,在0d B^44d B范围增益步进可调,输出有效值不小于2V且波形无明显失真。系统具有噪声低、频带宽、增益可控、稳定性好等特点。