基于改进DenseNet卷积神经网络的番茄叶片病害检测

针对传统的图像识别方法存在人工提取特征困难、识别耗时长和准确率低等问题,本研究以感染病害的番茄叶片和健康番茄叶片共10类图像为研究对象,提出了1种迁移学习和DenseNet卷积神经网络相结合的模型,实现了对番茄叶部病害的准确分类。首先将所有的图像数据进行预处理修改尺寸,对部分数量不均衡样本作随机变换;然后将DenseNet网络从ImageNet数据集上学习获得的先验知识应用到番茄病害图片数据集上,进而构建出基于迁移学习的深度卷积网络,经过微调训练得到番茄叶部病害识别模型。结果表明,该模型与AlexNet网络、VGG网络+迁移学习和MobileNet网络+迁移学习3种深度卷积模型相比,识别精度更高,测试准确率达到97.76%,实现了对10种番茄叶部图像的有效分类,为番茄等农作物病害的识别技术以及智慧农业的发展提供了新的思路与方法。

基于轻量级CNN的作物病虫害识别及安卓端应用

针对传统病虫害图像识别方法流程繁琐、效果差和应用困难等问题,本文以番茄、玉米、马铃薯3类作物17种叶部病虫害图片为研究对象,通过改进MobileNetV3网络模型并部署到移动端,实现了对多种作物病虫害图像的有效分类。首先,对病虫害图像做随机裁剪、旋转等预处理操作,对不均衡样本进行数据扩充;然后,将MobileNetV3网络从ImageNet数据集上学习获得的先验知识通过迁移学习策略应用到病虫害数据集上,经过参数微调并采用RAdam优化器训练后得到改进的轻量级网络模型;最后,将该模型通过Android Studio开发软件移植到安卓手机端。实验结果表明,该模型具有精度高、占用内存小、识别速度快等优势,能够满足对农作物叶片病虫害检测的基本要求,对智慧农业的发展具有参考意义。

物理教学中培养学生创新意识的策略

最新报道：我国的专利申请不到美日的三十分之一，不到韩国的四分之一，专利已经制约了我国经济的发展．同时，一股由天然担忧、意识形态偏见及“中国威胁论”交织而成的，在知识技术上压制中国的做法，已经成为一堵阻碍中国国力再上新台阶的厚墙．不止一家西方媒体提出，西方只有在创新方面继续领先才能有效应对中国的崛起．中国专家同样认为，突破西方技术压制的唯一方法就是自主创新，能否创新将决定中国的未来．现在在中学开始实施新的物理课程标准，

让学生通过图像认识物理规律

在新人教版高中物理教材中，多次出现用图像来表示物理规律．从必修Ⅰ引入速度一时间、位移一时间图像、弹力一形变量、加速度一力、加速度一质量的图像等，初步接触到有关图像的问题，通过图像更直观地认知运动的规律，在后续的学习中，随着学生认知能力的提高，就会要求从更深的层次来分析物理规律，如在静电场中的场强、电势图像等，在恒定电流中有关电流-电压、功率等图像．学生通过图像的学习，对所学物理规律的认识与理解，比用文字或函数都更直观、更具有说服力．我们对图像在物理教学中的地位有了新的认识，

利用数学方法解决物理问题

在解决物理问题时，常常会用数学的方法来解决．所谓数学方法就是以数学为工具进行科学研究的方法，即用数学语言表达事物的状态、关系和过程，经过推导、运算与分析，以形成解释、判断和预言的方法．

对一道高考试题分析的商榷

题目 （2008年江苏）如图1所示的电路中,三个相同的灯泡a、b、c和电感L2、L2与直流电源连接,电感的电阻忽略不计.电键S从闭合状态突然断开时,下列判断正确的有贵刊于2013第10期刊登了对高考试题的两种分析，一种是高考解析，一种是作者的分析，本人对作者的分析有不同的观点．现分析如下．

剖析归因 巧用“数学方法”解决物理问题

所谓数学方法就是以数学为工具进行科学研究的方法,即用数学语言表达事物的状态、关系和过程,经过推导、运算与分析,以形成解释、判断和预言的方法.学生在解决某些类似的问题时,往往不知如何入手,造成错误,但如果我们能找出错误的共同点,就可以用一种方法解决一类的问题,从而提高学生分析解决问题的能力.