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...     

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.     

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……     

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...     

经验对欧洲舌齿鲈幼鱼行为及其关联性指标的影响

学习和信息传递是鱼类认知过程中的重要内容.本研究设计了特定实验装置,通过2个实验测定了欧洲舌齿鲈(Dicentrarchus labrax)幼鱼在有/无有经验个体条件下完成任务的时间和行为表现.实验装置呈"L"型,有3个PVC材质构建的60cmx60cm的实验区域,2个相邻区域之间用内径为12 cm的圆柱体通道连通(即...     

基于迁移学习和双线性CNN的细粒度菌菇表型识别

为了对细粒度菌菇进行表型识别,在双线性卷积神经网络细粒度图像识别框架基础上,提出了一种基于迁移学习和双线性Inception-ResNet-v2网络的菌菇识别方法。利用Inception-ResNet-v2网络的特征提取能力,结合双线性汇合操作,提取菌菇图像数据的细粒度特征,采用迁移学习将ImageNet数据集上预训练的模型参数迁移到细粒度菌类表型数据集上。试验表明,在开源数据集和个人数据集上,识别精度分别达到87.15%和93.94%。开发了基于Flask框架的在线菌类表型识别系统,实现了细粒度菌菇表型的在线识别与分析。     

数字信号处理教学改革和实践

数字信号处理课程理论性强、概念抽象、公式烦琐,学生掌握起来较困难,易产生厌学情绪.针对此特点,总结课程讲授经验教训,研究优化课程教学内容,将知识点模块化,引入语音信号处理实例,加强师生互动,提高学生的学习兴趣.经过尝试,学生学习效果较好.     

深度学习在林业中的应用

林业数据信息的智能处理与深度挖掘分析是智慧林业精准决策与统筹管理的基础。文中主要从树木识别与分类、森林火灾识别与预测、树木病虫害监测和木材检测等4个方面总结深度学习在林业中的应用;从林业数据集、数据标记、特征学习涵盖范围、图像遮挡等方面分析了深度学习在林业领域应用上的缺点与局限性,以充分认识深度学习在林业应用方面亟待解决的问题与突破的方向;从林业领域应用场景、算法改进、数据集共享与研究成果应用的角度,展望深度学习在林业领域应用上亟待加强研究的方面,以提升深度学习解决林业应用问题的广度与深度,促进智能林业的发展。