基于Python计算机通识课程教学体系重构思考——以山西农业大学为例

文章紧跟时代发展要求,在地方农科院校的计算机通识课教育中引入新工科理念,为培养学生具备大数据、云计算、人工智能以及移动互联的相关理论素养,掌握相关的数据分析工具,具备创新性解决问题的能力,研究构建基于Python计算机通识课程教学体系,不但使其具有计算思维能力,而且掌握了实现计算思维能力的工具,锻炼其动手能力,增强其创新能力,为地方农林院校计算机通识课教学改革提供了参考。

基于改进Tiny-YOLO模型的群养生猪脸部姿态检测

生猪脸部包含丰富的生物特征信息,对其脸部姿态的检测可为生猪的个体识别和行为分析提供依据,而在生猪群养场景下,猪舍光照、猪只黏连等复杂因素给生猪脸部姿态检测带来极大挑战。该文以真实养殖场景下的群养生猪为研究对象,以视频帧数据为数据源,提出一种基于注意力机制与Tiny-YOLO相结合的检测模型DAT-YOLO。该模型将通道注意力和空间注意力信息引入特征提取过程中,高阶特征引导低阶特征进行通道注意力信息获取,低阶特征反向指引高阶特征进行空间注意力筛选,可在不显著增加参数量的前提下提升模型特征提取能力、提高检测精度。对5栏日龄20~105d的群养生猪共35头的视频抽取504张图片,共计3712个脸部框,并标注水平正脸、水平侧脸、低头正脸、低头侧脸、抬头正脸和抬头侧脸6类姿态,构建训练集,另取420张图片共计2106个脸部框作为测试集。试验表明,DAT-YOLO模型在测试集上对群养生猪的水平正脸、水平侧脸、低头正脸、低头侧脸、抬头正脸和抬头侧脸6类姿态预测的AP值分别达到85.54%、79.30%、89.61%、76.12%、79.37%和84.35%,其6类总体mAP值比Tiny-YOLO模型、仅引入通道注意力的CAT-YOLO模型以及仅引入空间注意力的SAT-YOLO模型分别提高8.39%、4.66%和2.95%。为进一步验证注意力在其余模型上的迁移性能,在同等试验条件下,以YOLOV3为基础模型分别引入两类注意力信息构建相应注意力子模型,试验表明,基于Tiny-YOLO的子模型与加入相同模块的YOLOV3子模型相比,总体mAP指标提升0.46%~1.92%。Tiny-YOLO和YOLOV3系列模型在加入注意力信息后检测性能均有不同幅度提升,表明注意力机制有利于精确、有效地对群养生猪不同类别脸部姿态进行检测,可为后续生猪个体识别和行为分析提供参考。

基于特征金字塔注意力与深度卷积网络的多目标生猪检测

在生猪饲养环境中,猪只黏连、杂物遮挡等给生猪个体多目标检测带来很大困难。该研究以猪圈群养生猪为研究对象,以视频帧为数据源,提出一种适用于生猪形体检测的特征金字塔注意力(Feature Pyramid Attention,FPA)与Tiny-YOLO相结合的模型FPA-Tiny-YOLO。该模型将注意力信息融入到特征提取过程,在不大幅增加计算量的前提下即可提升特征提取能力、提高检测精度。对8栏日龄20~105 d的45头生猪视频截取图像进行图像处理,获得标注图片4102张,构建了4种深度FPA模块分别加入YOLOV3与Tiny-YOLO模型中。试验表明,深度为3的FPA模块(即FPA-3)的Tiny-YOLO模型在测试集上对群养生猪多目标检测的召回率Recall、F1与平均检测精度mAP指标值最佳,分别达到86.09%、91.47%和85.85%,比未引入FPA模块的Tiny-YOLO模型均有不同程度的提高。选用不同的IOU(Intersection Over Union)和score阈值超参数值对模型预测结果均有不同程度影响;将测试集图像按照是否黏连与遮挡划分4种场景来探究该模型的鲁棒性。试验表明,加入FPA-3模块后Tiny-YOLO的Recall、F1与mAP比Tiny-YOLO分别提升6.73、4.34和7.33个百分点,说明特征金字塔注意力信息有利于精确、有效地对不同场景群养生猪进行多目标检测。研究结果可为后续开展生猪身份识别和行为分析移动端应用提供参考。

基于Snort的改进BMH单模式匹配算法研究

对目前常见的网络入侵检测系统中模式匹配算法进行研究总结,针对著名的Snort中的模式匹配算法,进行了详细分析和对比。基于现存BMH等算法思想,以求取优化检测效率为目标,提出了一种基于Snort的改进BMH模式匹配算法。将改进的BMH模式匹配算法应用到实际网络入侵检测过程中,针对处理结果进行科学评价。通过实例的应用,验证了改进算法的可行性和高效性。

中值滤波在数字图像去噪中的应用

图像在传播时会受到各种噪音的影响,中值滤波器采用非线性计算方式,可很好地过滤脉冲噪音。但滤波窗口尺寸对去除脉冲噪音的功能具有干扰性,使其能提高图像画面感,但不能很好地保留细节的完整性。文章分析了中值滤波器的优劣,提出可以依照噪声点方位自适应地改变滤波器窗口尺寸的办法,避免了中值滤波容易导致图片边缘不清楚的问题。借助Matlab做了模拟检测,结果表明,该办法具有较好的滤波特性。

OTSU算法在图像分割中的应用研究

分析了OTSU算法计算过程,针对该算法在抗干扰能力差问题。分析了二维、三维OTSU算法,并进行相关的算法性能提升。最终得到二维、三维OTSU算法自身运行效率低,可结合遗传算法提高算法效率。

农业机械领域对计算机视觉技术的应用

计算机技术的飞速发展给很多领域都带来了巨大的改变,当前,基于计算机技术衍生出来的各项技术在农业机械中也得到了广泛的应用。随着农业信息化技术的不断发展,计算机视觉在农业机械中的应用也越来越普遍,诸多研究成果极大地推动了农业机械信息化的发展。文章研究计算机视觉技术的发展变化过程以及其在农业机械中的具体应用,针对多方面的使用现状进行了论述,同时,还根据该技术当前发展形势,对其发展和应用前景进行了一定的分析。

基于分水岭分割算法对燕麦籽粒识别中粘连区域的分割

为了适应智能农业需要,从图像处理角度研究燕麦清选时的籽粒识别与统计时遇到的粘连区域的问题。样品采集于左权县,基于大津法预处理燕麦,且通过分水岭分割算法来分割图像中粘结区域,分别采用内部标记与外部标记对燕麦与背景进行标记,可消除过度分割,识别率最高达到98.55%,研究表明,该算法对于清选后粘连较少的图像处理效果好,可对燕麦清选损失率的在线监测提供理论和方法支持。

基于形态学开运算的燕麦籽粒识别中的孔洞填充研究

清选是现代农场作业的一个关键环节,从计算机视觉角度研究识别燕麦籽粒时出现的孔洞问题。选取产自山西省五寨县的晋燕8号燕麦籽粒为试验样品,首先采用Otsu将燕麦籽粒从背景分离,该方法分割籽粒时会出现影响识别的孔洞,采用形态学方法中的开运算进行孔洞填充,经试验,设置腐蚀操作的结构元素为9×9,可消除孔洞影响,为燕麦籽粒的进一步识别与统计提供支持。

基于机器视觉的番茄损伤区域自动检测

番茄损伤区域检测是判断番茄表面缺陷、准确分类番茄等级的重要手段。通过分析机器视觉对番茄损伤的具体检测流程,文章依次采集了番茄图像、分析其损伤部位特征、对其损伤检测和提取损伤部位特征值,使其损伤部位在图像上有了具体的表达,达到番茄缺陷快速、准确识别的目的,并基于机器视觉技术设计、开发番茄损伤区域自动检测系统,引入实际应用案例检验系统的准确率,可为农产品损伤检测提供帮助。

VB程序设计案例教学方法研究

Visual Basic程序设计是高校非计算机专业学生的一门公共基础课,由于其比较抽象,在授课当中存在很多问题。通过与传统教学方法的比较,探讨了案例教学的优缺点,提出了在设计案例时应该安排一个合理的案例梯度的新思路,并结合实例分析了案例教学的组织实施过程。

基于Otsu方法燕麦清选过程中籽粒识别

清选是农场作业中重要环节,文章采用计算机视觉技术对清选过程中的燕麦进行识别,使用山西农业大学研发的燕麦清选机为试验台,选取产自山西省右玉县的燕麦作为样品,使用Otsu方法分割燕麦籽粒,经研究分割阈值为89,可分性测度为0.7578,取得较好分割效果,可为智能农场作业提供技术参考。

依赖空间与粗糙集理论

首先对信息系统进行预处理得到相对简单的衍生系统,进而在其基础上建立依赖空间,然后基于依赖空间来刻画属性约简、独立、核等粗糙集中的核心概念。本文的结论不仅加深了人们对粗糙集的认识,同时也为分析和处理数据提供了一种新的理论依据。

BM算法与其改进算法分析

随着网络入侵检测技术的快速发展,入侵行为的检测算法也日益重要。本文对目前常见单模式匹配算法进行分析总结,以经典的单模式匹配算法为例,分析了其详细的实现过程。并以此为基础,分析了修改后的单模式匹配算法的优缺点,对该算法的继续改进提供了一定的参考意见,指出了单模式继续改进的方向。

WM与MWM算法分析

以经典的多模式匹配算法为例,对多模式匹配算法进行了分析,并阐述了其详细的实现过程。对于修改后的多模式匹配算法分析了其优缺点,为该算法的继续改进提供了一定的参考意见。

基于Java的Tank游戏单机版的设计分析——Tank的显示以及键盘事件的处理

介绍了Java语言的主要特征,对设计坦克游戏的双缓存机制做了详细研究,并且给出了具体的实现代码。游戏主要是由玩家通过键盘来控制的,所以文中对于键盘事件的处理做了原理性的论述,并且编写了键盘事件处理的关键代码。

试析国际知识产权规则的变革及其影响

全球一体化对中国的知识产权产生了重大的影响,制定和实施国家知识产权战略既是知识经济时代的要求,也是我国建立法制和诚信社会的要求。本文主要从发达国家的知识产权战略入手,分析了国际知识产权规则的变革,并深入分析了国际知识产权规则的变革对中国信息产业经济发展的影响。

基于计算机视觉核桃质量预测方法的探讨

在农产品检测与分级领域中,计算机视觉技术得到普遍应用,已经成为农产品智能化、自动化检测与分级的一项关键技术。文章分析计算机视觉技术的发展与应用现状,提出基于计算机视觉的核桃质量预测方法,通过实例应用对核桃质量预测方法的有效性进行检验,期望为提高核桃检测与分级效率提供参考。

高光谱技术结合GLCM的油桃品种判别研究

为实现对同产地4个油桃品种分类,本研究采用420~1000 nm波段和900~1700 nm波段高光谱技术对其进行处理,通过GLCM提取得到可见/近红外波段的图像纹理特征值差异较显著,并建立PLS、LS-SVM、ELM模型对4类油桃品种进行分类判别研究。研究结果表明:对于可见/近红外波段下的图像纹理特征值采用PLS模型建立的判别精度最高,其整体模型的判别正确率达到81.49%,可为检测设备研究提供理论支撑。