基于WGAN和MCA-MobileNet的番茄叶片病害识别

针对番茄病害识别模型参数量大、计算成本高、准确率低等问题,本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络（Multi scale feature fusion and coordinate attention MobileNet, MCA-MobileNet）模型。采集10类番茄叶片图像,采用基于Wasserstein距离的生成对抗网络（Wasserstein generative adversarial networks, WGAN）进行数据增强,解决了样本数据不足和不均衡的问题,提高模型的泛化能力。在原始模型MobileNet-V2的基础上,引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取,提高模型对不同尺度的适应性;将轻量型的坐标注意力机制模块（Coordinate attention, CA）嵌入倒置残差结构中,使模型更加关注叶片中的病害特征,提高对病害种类的识别准确率。试验结果表明,MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%,较原始模型提高2.84个百分点,且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本,为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。     

基于ZigBee的人体运动参数采集与分析系统设计

为了更好地监测人体健康状况,设计了一种基于ZigBee无线传感网络的人体运动参数采集与分析系统。利用TI公司生产的CC2530芯片构成ZigBee协调器和ZigBee无线传感器节点来获取人体运动参数,经过数据处理后实时反馈给协调器,再经串口传至上位机,最后在上位机监控平台上实现对人体运动参数的监控和存储。该系统能够即时显示人体运动参数并同步存入数据库的参数信息表中,说明其运行情况良好,具有很好的实用价值。     

一种便携式通用试纸测试仪的设计

针对试纸测试的人为误差较大、使用不便的缺点，提出一种基于MSP430的便携式通用试纸测试仪方案。采用颜色传感器TCS230采集试纸颜色RGB值，并进行HSV颜色模型转换，得到可用于颜色比对的色调参数，通过与数据库对应的标准试纸参数进行比对，获得试纸测试结果。实际测试表明，该方法可用于各种类型试纸的测试，具有较高的测试准确度和稳定性。