基于迁移学习的芒果成熟度分类算法研究

成熟度判别是芒果采收及储藏的重要依据.为了适应移动设备硬件算力的限制,对比了传统机器学习方法和迁移学习方法在芒果成熟度鉴别方面的表现,优选最佳模型并开发了芒果成熟度分类软件.试验采集了不同成熟度的小台农图像100张,进行数据扩充后按照8:2划分为训练集和测试集,以准确率、F1值和预测时间作为模型评价指标,分别采用k近邻(K-NearestNeighbor, KNN)、支持向量机(Support vector machine, SVM)、朴素贝叶斯(Naive bayes, NB)、决策树(Decision tree, DT)机器学习算法模型和AlexNet、ResNet18、VGG16、GoogleNet和SqueezeNet迁移学习算法模型进行训练和测试,并对比分析各模型的表现.结果表明：机器学习虽然运算速度快,但分类的准确率明显低于迁移学习,迁移学习的分类准确率均在90%以上.但综合考虑模型的分类准确率和计算能力认为Resnet18表现最佳,它在迭代20次后准确率达到98.75%,而测试时间仅为74.66 ms,优于其它深度学习模型.     

基于深度卷积神经网络的大豆叶片多种病害分类识别

为实现复杂田间背景下快速高效分类识别多种大豆叶片病害图像,以准确性、训练时间和训练误差为深度学习模型性能指标,对比评估不同深度卷积神经网络模型.首先将无人机收集到的大豆叶片病害图像数据集按7∶3的比例分为训练集与测试集.为扩充数据图像,对训练集原图进行数据增强.基于不同权重的微调和迁移学习训练策略,采用Inceptio...     

基于云班课平台《动物生物化学》线上线下混合式教学模式探讨

为了研究基于云班课平台的线上线下混合式教学模式,进行了《动物生物化学》线上线下混合教学实践,对获得的云班课数据和教学效果进行了分析,结果表明:64.71 ％的学生云班课资源学习低于 60 ％;云班课测试分数 46.16 ％学生在 60 分以下,作业/小组任务分数 33.33 ％学生测试成绩在 60 分以下,教师需进一步...     

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.     

基于"蓝墨云班课"的"烹饪器械及设备"混合式学习的教学研究

针对烹饪成教生"烹饪器械及设备"课程考试通过率不高的情况,运用蓝墨云班课进行混合式教学.数据分析的结果表明:学生的考试成绩有了显著提高,在学习习惯和学习态度方面也有了很大的改善,有必要继续在此方面努力,从而改善学生的学习效果.     

种植模式与施磷深度对蚕豆群体冠层结构及其产量的影响

在小区试验与大田生产试验条件下,采用三个种植密度(12 000株·667m-2,13 000株·667m-2,14000株·667m-2)、两个留苗方式(一穴单株,一穴双株)及三个施磷深度(10 cm,15 cm,20 cm)处理,通过裂区试验研究了高产蚕豆群体冠层结构指标及其对产量的影响,结果表明,13 000株·667m-2、15 cm施磷深度、双株三角留苗种植模式下,盛花期蚕豆群体叶面积指数、叶绿素SPAD值,主根长均维持在较高水平,冠层结构较优,产量最高,达到275.2 kg·667m-2;生产试验显示,"一穴双株"能有效提高蚕豆结荚率,提高产量,较常规栽培增产14%以上。提出以"深松增密,减穴加距,中层施磷"为主要内容的蚕豆高产栽培技术。     

人有远虑 亦有近忧——行业考察交流思考

初秋季节,广东省饲料行业协会组织我省部分饲料企业赴江西、湖南进行了为期6天的考察学习,先后参观了江西正邦、百世腾、格力特,湖南正虹、九鼎、唐人神等著名的饲料集团企业,并分别在南昌、长沙召开了“赣粤饲料行业座谈会”和“湘粤饲料行业座谈会”。交流期间,行业企业代表对生产管理、产业化经营、企业治理结构、企业文化建设和资本运营等行业企业共同关注的热点话题进行了深入的探讨,对许多行业发展空间问题互通了观念,交换了看法,部分热点关注引发了行业人的思考……     

辣椒种子不同播种深度对幼苗生长发育的影响

研究了辣椒种子不同播种深度对辣椒幼苗生长发育的影响.试验结果表明,辣椒种子2 cm的播种深度发芽出苗率高、根系好、茎粗、节间适中、叶片多、植株高、根鲜干质量和茎鲜干质量均较高.     

基于经验模式滤波与循环神经网络的水锤压力信号预测

为准确预测水锤信号变化规律,实现对水锤冲击强度和能量等特性的提前预判,针对水锤冲击信号提出了一种基于经验模式分解(empirical mode decomposition, EMD)和循环神经网络(recurrent neural network, RNN)的模型预测方法.首先,通过EMD获取具有不同频率的IMF分量,根据水锤信号的频域特性剔除高频噪声分量并重构信号以实现滤波,滤波后信号能量损失不足0.1%;进而,建立了基于RNN模型的时间序列预测模型,搭建试验平台获取水锤冲击信号,完成了RNN模型的训练和参数调节;随后,对不同流速下水锤冲击信号进行序列预测,在测试集与训练集流速不同条件下,得到了准确的预测结果,表现出一定泛化能力.对比分析预测水锤信号与实际信号,得到R²系数大于0.990 0,幅值和能量损失不足1%,验证了所提出方法的正确性,主要结论和建模方法可为各类输水系统的风险评估、管路监测和健康管理提供理论指导和技术手段.     

基于Jetson Nano处理器的大蒜鳞芽朝向调整装置设计与试验

为满足大蒜定向播种的农艺要求,针对现有大蒜鳞芽调整方法对杂交蒜适应性差的问题,该研究设计了一种基于Jetson Nano处理器的大蒜鳞芽朝向自动调整装置.采用双卷积神经网络模型结构,其中一个神经网络模型对大蒜是否被喂入进行实时监测,检测到大蒜喂入调整装置后,一个ResNet-18网络模型对蒜种鳞芽朝向进行判断,当鳞芽朝...