基于Tensorflow的车型识别系统研究

研究了基于谷歌深度学习框架Tensorflow的深度学习在车型识别领域应用的可能性,使用了卷积神经网络模型,将6种不同类型的车辆图片作为训练集输入神经网络,通过多次训练,选择合适的神经网络超参数,最终得到了可以通过输入图片直接识别汽车类型的卷积神经网络模型,且准确率约为92%。同时,通过学习,以Tensorflow为后端,keras为前端进行建模、编程的完整流程,为进一步使用Tensorflow深度学习框架构建图像识别的应用环境打下了基础。     

基于树莓派平台的道路雾气和积雪检测系统设计

在大雾天或冬季路面积雪的环境,会影响车辆驾驶的安全性,甚至发生安全事故。使用树莓派平台,提出了一种基于卷积神经网络（CNN）的图像检测算法,用于实时检测雾气和道路表面积雪。使用树莓派开发板和一个摄像头实时获取雾气和路面积雪的信息,通过Mobile Net深度学习算法检测道路情况。实验表明,其对雾气和路面积雪的检测准确率为97%以上。并且证实Mobile Net的深度学习算法的在树莓派上的工作速度优于Res Net50等算法。     

基于SENet和深度可分离卷积胶囊网络的茶树叶部病害图像识别

茶树是重要的经济作物,叶部病害的发生直接影响其产量和质量.针对胶囊网络在茶树叶部病害图像识别中识别率低和参数量大的问题,提出了一种基于SENet和深度可分离卷积胶囊网络的茶树叶部病害图像识别算法.首先,由于尚无茶树叶部病害图像标准数据集,构建了茶树叶部病害图像数据集.其次,在胶囊网络中引入深度可分离卷积,并在深度可分离...     

开挖卸荷对淤泥质土既有静压桩影响现场试验研究

为研究开挖卸荷过程中淤泥质土体侧移对既有嵌岩桩基影响,在淤泥质土体开挖前预设多个测斜点,长时间监测开挖卸荷过程中与开挖面不同距离下各深度的变形数据,根据淤泥土体位移变化规律结合郎肯土压力理论建立计算模型,利用该模型进行桩基嵌岩深度范围的确定及桩身优化设计.研究结果表明:(1)基坑开挖卸荷时在开挖面下2 m处土体位移达到...     

基于Faster R-CNN复杂背景的茶芽检测

茶芽检测是判断茶树农艺性状的基础,也是研发基于计算机视觉采茶机器人的基础。针对复杂背景中传统茶芽检测方法准确率低、稳定性差等问题,提出一种基于深度学习的茶芽检测方法。以Faster R-CNN(region-convolutional neural network)算法为框架,比较AlexNet、ResNet50、VGG19 3种网络模型茶芽检测性能,寻找最佳网络模型。结果表明,使用VGG19的茶芽检测准确率为86.3%,召回率为96.1%,F1分数为0.909,综合检测效果最优。该方法可很好地应用于复杂背景茶芽检测。     

管花肉苁蓉人工种植深度对产量影响试验

通过对管花肉苁蓉人工种植深度对产量影响试验,提出且末县的河东治沙工程中,在混交的防沙治沙林中的红柳上人工种植管花肉苁蓉的最佳深度,来大面积人工种植管花肉苁蓉.     

阴山北麓农牧交错区保护性耕作农田杂草综合控制技术初探——赴山西考察学习所悟

2006年7月,我随团赴山西尧都、孝义等地考查学习保护性耕作技术,时间虽短,但开阔了视野,创新了思路,对农田杂草防治技术有所感悟。     

根茎类中药材生产机械化技术

一、根茎类中药材特性和生产机械化技术要求1.根茎类中药材的生长特性根类中药材主要有辣根、黄芪、党参、柴胡等,生长深度一般在20～35cm,直径     

基于双模态深度学习模型的渔场渔情预报

为解决传统渔场渔情预测方法在处理高维复杂海洋数据时存在人工干预较多、拟合困难、精度不高的问题,提出了一种基于双模态深度学习的渔场渔情预测方法.首先,该方法将不同海洋环境因子在5° ×5°渔业作业区域范围内按照空间相对位置映射为三维矩阵.然后,分别使用卷积神经网络模型(CNN)和深度神经网络模型(DNN)对海洋环境因子和...     

基于近红外光谱和深度模型转移预测烟丝总糖含量

模型转移主要用来解决一台仪器上开发的模型应用于新场景进行预测的问题。化学计量学领域开发了大量的模型转移方法可以实现多元校正模型转移。然而,随着深度学习技术在光谱数据建模中的广泛应用,传统的多元校正模型转移方法已不适合处理基于神经网络结构的深度学习模型。因此,本文利用深度模型转移策略,将一台仪器上构建的烟粉深度学习模型迁移到新仪器上用于烟丝总糖含量的检测。结果表明,深度模型转移无需标准样品构建传递函数,即可实现对不同仪器、不同样品物理状态之间的准确预测,与重新建立的偏最小二乘(PLS)和卷积神经网络(CNN)模型相比,其预测均方根误差分别降低了33.2%和27.2%。无标样深度模型转移支持在不同应用实践之间广泛共享、扩展深度学习模型,具有较好的应用前景。