基于内容分析法的休闲农场旅游安全分析

休闲农业旅游是我国极具特色的新兴旅游.随着城市迅猛发展,城市人口快速增长,环境污染加剧,造成了城市生态旅游系统的失调,越来越多的人渴望回归大自然,寻找一种安详、舒适、清新的环境,因此形成一股休闲农业旅游的趋势.但是,随着大量游客涌进休闲农场,势必给休闲农场带来负面影响,甚至会给一些休闲农场带来致命的危害,从目前的情况看,休闲农场的保护和旅游开发的矛盾相当尖锐.因此有必要对这一问题认真研讨.本文将内容分析法引入休闲农场旅游安全研究中,收集了2002-2011年发生在休闲农业旅游中的安全事故报道为研究对象,对安全事故的趋势、特征、规律等进行了分析,并提出具体的防范措施.     

基于渐进式生成对抗网络的农作物病虫害细粒度分类

随着深度学习应用的普及和飞速发展,基于深度学习的图像识别方法广泛应用于农作物病虫害领域,但大部分的神经网络重视识别准确率的提高,却忽略神经网络庞大的参数计算量。为解决这个问题,基于渐进式生成对抗网络判别器模型和卷积注意力模块,提出一种改进的渐进式生成对抗网络判别器CPDM网络模型对农作物病虫害进行识别。通过对渐进式生成对抗网络判别器网络结构的调整,采用均衡学习率、像素级特征向量归一化和卷积注意力模块增强CPDM网络模型的特征提取能力,提高对真实图片的识别准确率。试验在PlantVillage数据集上进行,将该模型与VGG16、VGG19和ResNet18进行比较,得到TOP-1准确率分别为99.06%、96.50%、96.65%、98.86%,分别提高2.56%、2.41%、0.2%,且参数量仅为8.2 M。试验证明提出的CPDM网络模型满足在保证分类准确率的基础上,有效控制神经网络参数计算量的目的。