一种基于混合深度置信模型的面部表情识别方法

针对特征提取算法中存在的特征标注困难、有效特征丢失等问题,文中提出一种基于混合深度置信模型的识别方法,该方法利用深度模型来解决维度灾难,实现视觉特征的分层学习,从而提高识别精度.首先,为达到融合局部特征和全局特征信息的目的,本文根据表情特征分布特点进行图像分割,由分割的关键区域图像和整体图像加上不同的贡献度形成混合模型;其次,将图像输入到深度置信网络中,实现数字图像视觉特征的分层学习,抽象出代表表情类别的有效特征,从而避免人工设计特征提取中存在的提取困难和特征丢失的缺陷;最后,利用训练样本求解、更新混合模型组件的贡献度,提升算法的精度和鲁棒性.在JAFFE、Cohn-kanade表情库中的实验结果表明,本文提出的混合深度置信模型方法能对表情视觉特征进行有效学习,提高了表情识别的精度,识别率达到97.94%.     

基于多尺度特征度量元学习的玉米叶片病害识别模型研究

传统基于深度学习的玉米叶片病害检测模型检测精度不高、模型参数量大，基于此，提出一种融合多尺度、无参数度量学习的玉米叶片病害识别算法模型。首先，利用Vgg-16、Swin Transformer网络，将玉米叶片病害图片映射到全局和局部特征空间；然后，利用多尺度特征融合网络，实现全局和局部特征的深度融合，强化特征的分类能力；最后，利用无参数元学习网络，实现待测玉米叶片病害图片与特征集之间的度量，根据度量结果，实现玉米叶片病害的快速定位与识别。在开源Plant Village数据集、自建玉米叶片病害数据集上进行了测试，所提出模型的识别准确率分别为97.45%、96.39%,同时保持了较低的识别时间开销；相比其他经典玉米叶片病害识别模型，具有更强的鲁棒性和泛化性能。     

基于分层卷积神经网络的牧草种子识别模型

针对目前识别牧草种子存在主要依赖于耗时费力的人工种植识别、自动化程度低等问题,本文提出并构建了基于深度学习的多层卷积神经网络禾本科牧草种子分类识别模型。通过改进单层卷积层优化提取牧草种子深度特征,并通过softmax种子分类器对10类禾本科牧草种子进行训练与分类,同时与其他分类识别方法进行比较分析。结果表明:本模型对10类纹理特征极为相似的禾本科牧草种子图像的识别率可达到91.67%,比其他方法平均高出7%～44%,并且模型具有很好的鲁棒性。验证了深度学习在牧草识别中的可行性,为牧草管理数字化提供了参考。     

基于改进残差网络的水稻害虫识别

水稻害虫是影响水稻产量的因素之一,准确识别水稻害虫对提高水稻产量具有重要意义,针对水稻害虫识别准确率不高的问题,提出一种基于改进残差网络模型的水稻害虫识别方法。该模型是将动态路由胶囊结构嵌入残差网络深度卷积模型中,代替残差网络的全连接层,首先通过4个残差块得到特征图,将特征图进行胶囊化编码,其次进行层间路由,以减少卷积神经网络(CNN)在输出时丢失的大量信息。对水稻的14类害虫进行识别,并分析不同参数(学习率、批量大小、激活函数和优化组合)的影响。结果表明,提出的改进残差网络模型的准确率达到77.12%。模型满足水稻害虫图像识别的需求,具有一定的识别准确率及较强的鲁棒性,可为实际农业场景下水稻害虫识别提供可行的方案。     

基于CNN的典型木材缺陷图像识别研究

为提高木材缺陷的正确识别率,该研究基于卷积神经网络算法的识别方法,提出了一种采用渐近式学习方法来确定训练样本数目的识别算法,文中给出对应的神经网络结构图。在Matlab2010a进行试验,结果表明:该算法不需要对原始图像进行复杂的预处理,便能够识别多种木材缺陷的类型,算法精度较高且复杂度比较小,能够节约算法的时间,具有更好的鲁棒性,也克服了传统算法中的诸多固有缺点。该研究与采用径向基核函数的支持向量机算法相比较,渐近方式的CNN,识别木材缺陷的正确率更高,能够达到90%以上,可为进一步的木材识别开发提供技术支持。     

基于深度学习的行人重识别经典算法研究

在深度学习大热的背景之下,选取了几种基于深度学习的优秀的行人重识别算法,并比较这些方法在不同数据集上面的表现,分析它们之间的优势和劣势,以及这些算法适用的场合。     

一种融合深度特征图和形态学的车牌定位方法

车牌定位是车牌识别的关键步骤。针对传统车牌定位方法鲁棒性差、定位时间长等问题,提出了一种融合深度特征图和形态学的车牌定位方法。该方法首先利用深度结构构建深度特征图产生框架,提取纹理特征丰富的车牌图像特征图,接着将车牌特征图缩放到原始车牌图像的尺寸,并对缩放后的图像进行Sobel运算,增强车牌的边缘特征,最后利用形态学中的闭操作,对二值化后的图像进行先膨胀后腐蚀的形态学运算,连通整个车牌图块,完成车牌定位。试验结果表明,该方法对包含纹理鲜明的背景条形图块、车身和车牌颜色相似的干扰图像具有更好的鲁棒性,提高了定位速度。     

基于深度迁移学习模型的花卉种类识别

为了解决传统花卉识别方法中特征提取主观性强、模型泛化能力差、错分率高的问题,提出一种基于Inception_v3的深度迁移学习模型的花卉图像识别方法。本研究对5种常见花卉图像进行识别分类,首先对原始图像进行预处理,通过对每张图像进行水平翻转、旋转操作,扩增数据集;其次,采用预训练完毕的Inception_v3模型,对其在ImageNet上训练好的网络参数进行迁移学习,对各个参数进行微调,并保留原模型的特征提取能力,并将原模型的全连接层替换为符合本研究要求的5分类softmax分类输出层,从而构建基于深度迁移学习的识别模型。对5种花卉共计11 000张图像进行训练和验证,平均识别正确率达到93.73%,与传统的花卉识别方法相比,识别率得到提高,模型鲁棒性更强,具有一定的使用价值。     

基于Gumbel分布拟合检验的BPSK/QPSK信号调制识别算法

针对现有的基于极值分布拟合检验的调制识别算法存在的阈值难以选择等问题,提出了一种基于Gumbel分布拟合检验的二进制相移键位/正交相移键位(BPSK/QPSK)信号调制识别算法。该方法先对待识别信号的修正频谱进行随机重排,提取其分组极值序列,再通过检验分组极值序列的经验分布是否服从Gumbel分布来完成对BPSK/QPSK信号的调制识别。仿真结果表明,该算法不需要信号的先验信息,复杂度低,具有一定的鲁棒性。     

基于Chirplet语图特征和深度学习的鸟类物种识别方法

目的深度学习在鸟类物种识别的应用是目前的研究热点,为了进一步提高识别效果,提出一种基于鸟鸣声的Chirplet语图特征和深度卷积神经网络的鸟类物种识别方法。方法引入线性调频小波变换(Chirplet transform,CT)计算鸟鸣声信号的语图,输入深度卷积神经网络VGG16模型中,通过对语图进行分类实现鸟类物种的识别。以北京市松山国家自然保护区实地采集的18种鸟类为研究对象,利用Chirplet变换、短时傅里叶变换(short-time fourier transform,STFT)和梅尔频率倒谱变换(Mel frequency cepstrum transform,MFCT)计算得到3个不同的语图样本集,对比分别采用不同的语图样本集作为输入时鸟类物种识别模型的性能。结果结果表明:Chirplet语图作为输入时,测试集的平均识别准确率(mean average precision,MAP)达到0.9871,相对于其他两种输入,得到了更高的MAP值,而且在训练时达到最大MAP值的迭代次数最小。结论采用不同的语图特征作为输入,直接影响深度学习模型的分类性能。本文计算的Chirplet语图的鸣声区域相比STFT语图和Mel语图更为集中,特征更明显。因此,Chirplet语图更适合于基于VGG16模型的鸟类物种识别,可以得到更高的MAP值和更快的识别效率。      

基于GIS的工厂化养殖适宜性评价研究

选取滨海新区汉沽作为研究区域,通过查阅相关文献、咨询水产专家和实地调研等多种形式,筛选出19个对滨海新区汉沽工厂化养殖发展影响较大的因子作为评价指标,综合应用德尔菲法(Delphi)和层次分析法(AHP),确定各级指标的权重,构建滨海新区汉沽工厂化养殖适宜性评价模型,利用IDRISI进行综合运算,将工厂化养殖区域划分为"不适宜"、"一般适宜"、"适宜"和"非常适宜"4种类型,从而为工厂化养殖区域规划和管理提供科学依据。     

油菜栽培技术探讨

经过田间实验观察,保证质量育好油菜苗,是夺取油菜高产的基础,栽好油菜是夺取油菜高产的重要措施。首先,田平土细,深沟高畦;施足底肥,增施硼、磷肥;再适时移栽,保质保量;最后就要合理密植,一般每667m2按8000-10000株之间,行距在45—50cm之间,株距在20cm的密度为宜,可获得较高产量。     

苯酚对废水生物硝化过程的抑制

由于硝化细菌对水产养殖水质可以起到明显调节作用，近年来在水产养殖领域的应用日益广泛。但废水中有毒有害物质的存在常常会导致硝化细菌的活性受到严重抑制，从而严重影响养殖水体及水产品的质量。本文利用富集培养的硝化污泥研究了苯酚对生物硝化过程的抑制效应。结果表明，苯酚对氨氮生物硝化过程的抑制属于非竞争性抑制，抑制常数K1和EC50均为2．61mg／L。泥龄相同的条件下，有苯酚抑制剂存在时氨氮的出水浓度高于无抑制情况，且苯酚浓度越高，氨氮出水浓度也越大；而达到相同的氨氮出水浓度，抑制剂存在条件下的泥龄大于无抑制条件，且抑制程度越高，所需泥龄越长。     

布氏艾美尔球虫研究之回顾

布氏艾美尔球虫(Eimeriabrunetti)是鸡的一种致病性较强的寄生性原虫,但是我国球虫流行病学的报道很少谈及,有关研究报道更为少见。为此,笔者回顾了自1942年Levine首次报道布氏艾美尔球虫以来人们对这个种所做的研究。主要对这个种在世界的流行情况、生物学特性、致病性、免疫原性、内生性发育、体外培养、致弱及在球虫疫苗中的地位作了回顾和评述。     

苯酚对废水生物硝化过程的抑制

由于硝化细菌对水产养殖水质可以起到明显调节作用，近年来在水产养殖领域的应用日益广泛。但废水中有毒有害物质的存在常常会导致硝化细菌的活性受到严重抑制，从而严重影响养殖水体及水产品的质量。本文利用富集培养的硝化污泥研究了苯酚对生物硝化过程的抑制效应。结果表明，苯酚对氨氮生物硝化过程的抑制属于非竞争性抑制，抑制常数K1和EC50均为2．61mg／L。泥龄相同的条件下，有苯酚抑制剂存在时氨氮的出水浓度高于无抑制情况，且苯酚浓度越高，氨氮出水浓度也越大；而达到相同的氨氮出水浓度，抑制剂存在条件下的泥龄大于无抑制条件，且抑制程度越高，所需泥龄越长。     

转化糖药学研究概况

综述了转化糖药理及其现代临床研究概况,并对其药学应用前景进行了展望。     

黑龙江省番茄根腐病研究概述

文章对黑龙江省番茄根腐病病原菌的鉴定、病原菌的生物学特性、苗期抗性鉴定技术及寄主抗性遗传规律、番茄根腐病的病症与识别、病害的发生和流行规律等内容进行了综述。     

低聚壳聚糖在水稻上的应用研究

0.3 g/L低聚壳聚糖水剂是一种新型植物生长调节剂。通过在水稻苗期和秧田期使用该水剂,探讨其对水稻生长及产量的影响。结果表明:0.3 g/L低聚壳聚糖水剂可促进水稻根系发育和分蘖;增加千粒重,提高产量;对恶苗病防效达48%。其较佳使用方法为苗期浇灌,移栽返青后茎叶喷雾。     

基于HTML文档的WEB图像分类研究

随着信息技术的快速发展和Internet的普及应用，Internet已经成为包含各种信息形式，如文本、图像、视频、音频等的巨大信息资源库。然而由于Web图像从主题、格式，到功能和来源都多种多样，很难用一个统一的标准进行分类。本研究首先从Web页面上图像的功能角度对图像进行初步分类，将其分为链接类、装饰类、广告类和内容类。初步分类可提高Web图像处理的效率和性能，并为它基于Web的应用与研究提供帮助。