基于图像分割与卷积神经网络的水稻病害识别

为了提高水稻病害计算机视觉识别的准确性,研究提出针对水稻白叶枯病、赤枯病、胡麻斑病和纹枯病4种病害进行分类识别的模型。利用计算机视觉和机器学习软件库opencv对病斑图像进行随机旋转、随机翻转、随机亮度变换及随机对比度等处理方式扩充样本,应用区域生长、基于水平集的CV模型、显著性检测3种算法对图像进行分割。通过Tensorflow深度学习平台,构建网络层分别为6层(输入层32×32×3,卷积核大小为5×5)和8层(输入层227×227×3,卷积核大小为11×11、5×5、3×3)的卷积神经网络,将图像分割后得到的3组数据,均以8∶2的比例分别作为卷积神经网络的训练数据和测试数据,训练后得到6个模型,并结合召回率、F1评价指标对模型进行评估。结果表明,6个模型中训练识别准确率最低为97.66%,测试识别准确率最低为95.31%,其中以显著性检测分割算法和8层网络层的卷积神经网络结合得到的模型效果最佳,其训练识别准确率为99.99%,测试识别准确率为99.88%,相较于端到端的卷积神经网络水稻病害识别结果也有所提升。

改进YOLOv3的多尺度高分辨率特征增强图像目标检测

针对目标检测存在背景复杂,遮挡严重,尺度大小不一的问题,本文基于YOLOv3进行改进,提出了一种多尺度高分辨率的特征融合网络YOLOv3-F.首先,在backbone和neck之间添加空间金字塔池化结构(Spatial Pyramid Pooling),特征图经过局部特征与全局特征相融合后,丰富了特征图的表达能力,有利于待检测图像中目标大小差异较大的情况;其次,三尺度检测层增加为四尺度检测层,通过高分辨率特征图位置信息的保留,提高小目标识别的精度.最后,将YOLOv3损失函数改为CIoU,提高目标检测框回归的效率,降低目标漏检率.将改进算法在自制数据集COCO-CT6上进行试验,误检率降低1.8%,精度提高了3.6%.

多尺度高分辨率保持特征融合的手势检测

手势交互是人机交互系统的一个重要组成部分。针对现有SSD(Single Shot MultiBox Detector)网络中不同尺度特征间的独立性,无法充分利用各特征间的关联信息,导致对遮挡和不完整手的检测精度偏低等问题,提出一种改进的SSD算法,通过引进多尺度高分辨率保持特征融合模块,将来自不同层的不同分辨率的特征图进行融合形成新的特征图,其不仅保留了原有特征图的特征信息,还结合了不同层的细节信息和上下文较强的语义信息。利用原有SSD检测方法,生成候选预测框,利用非极大抑制(Non-maximum Suppression)得到最终检测结果。实验结果表明,该方法在EgoHands手势数据集上优于原始SSD方法和其他三种先进方法。

论中专计算机教学学生学习能力的培养

由于中专学生的自身特点,导致学生的学习能力较差。在中专的计算机教学中,我们不但要交给学生学习计算机知识,还要着重培养学生的学习能力。从而促进学生整体素质的发展,适应社会的需求。本文分析了中专学生的特点,介绍了中专学生的学习现状,并提出了一些培养学生学习能力的方法。

聚类算法的分析与研究

本文对聚类分析中聚类算法的基本理论进行了详细分析研究,并在此基础上,提出了一个聚类算法的通用算法框架。

账务系统开发中的几个问题研究

本文首先分析了信息系统开发的一般过程,在此基础上给出了账务处理中数据库设计中需要设计的数据表,并以实例形式给出了实现记账功能的详细代码。

街道峡谷内车辆流动对反应性污染物传播特性影响的模拟研究

采用CFD(计算流体力学)数值模拟的研究方法,使用动网格技术,分析简单光化学反应下车辆流动及不同来流风速对双车道三维街道峡谷内污染物传播特性的影响.结果表明,车辆移动改变了峡谷内气流结构,以及背风侧与迎风侧活性污染物浓度分布的相对大小,有利于污染物在峡谷中的传播扩散;来流风使机动车尾气向建筑背风侧汇聚,并随着风速增加而加强,对近迎风侧车道车辆尾气淹没射流的影响比近背风侧车道大.在车辆移动与来流风的综合作用下,污染物的扩散能力得到显著增强.