基于VGGNet网络的雾霾无人车防碰撞研究

针对雾霾天气下无人车行驶容易出现视野受限，导致防碰撞能力下降的问题，提出了一种基于VGGNet网络的深度卷积神经网络模型，通过反向传播算法不断调整模型的权重和偏置，对收集雾霾天气下的图像和相关数据进行处理，实现模型的训练和优化。实验结果表明，所提出的方法可以有效地提高无人车在雾霾天气下的防碰撞能力，达到了良好的效果。研究结果可以为无人车行业在特殊气候条件下的防碰撞提供了一种新思路和实现方法，具有一定的参考价值和应用前景。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

分部积分法的推广公式

本文初步介绍了积分运算中的重要计算方法——分部积分法的一种简便计算方法．用此方法求解简捷、迅速、准确的优点显得尤为突出．     

数字图像处理中的点运算实验教学研究

在数字图像处理课程中,点运算是很重要和基础的一类图像处理技术,实验操作性也很强,对于图像的后续处理极为重要.本文讨论了点运算实验的设计内容、相关要求及其实现方法.     

遥感波段运算在抚顺县森林面积动态监测中研究

遥感技术在森林资源消长变化监测中的应用日益普遍。该研究应用归一化差分植被指数来自动计算提取遥感影像数据上目标实验区域的变化斑块,分类后输出变化图斑结果,并通过对实验结果斑块、人工判读斑块进行每斑实地验证,经计算分析,结果表明实验方法提取的森林植被变化斑块正确率高于人工判读方法正确率5%,证实了研究方法的正确性和可行性。     

FCN用于母猪性能测定的探索

种猪性能测定对于猪的育种工作至关重要。目前常用B超测定猪活体的背膘厚和眼肌面积,但是也存在一些问题。全卷积神经网络(FCN)在计算机视觉方面应用广泛。基于FCN模型和猪B超图片,开展背膘厚和眼肌面积的图像识别很有价值,但是也存在一定的挑战。对FCN应用于种猪性能测定的前景和技术进行分析     

图例在概率论教学中的应用

以蒙提霍尔悖论、事件间的关系和运算、正态分布、全概率公式等为例,具体阐述了教学过程中利用图例讲解概率论中的相关定义、性质和定理的教学方法,以帮助学生加强理解。实践表明,该方法不仅能够直观地揭示相关概念之间的关系,而且有利于提高学生兴趣,激发学生的思维,拓宽学生的解题思路,提高学生的解题能力。     

基于改进YOLO v5的橙子果实识别方法

针对自然环境下橙子检测存在枝叶遮挡、相邻果实重叠等情况而导致检测效果差的问题，提出一种改进的YOLO v5方法。首先，在主干网络部分使用RepVGG(re-param VGG)模块替换原始C3模块，加强网络对特征信息的提取能力；其次，在颈部网络使用鬼影混洗卷积(ghost-shuffle convolution)代替原有的标准卷积，能够在保证精度的前提下，降低模型参数量；再次，在预测头前加入ECA(efficient channel attention)注意力模块，能够更加准确定位目标信息；最后，引入EIOU(efficient intersection over union)损失函数加速预测框的收敛，提高其回归精度。改进的YOLO v5网络在自然环境下的橙子检测中平均精度达到90.1%,相比于目前热门的检测网络CenterNet、YOLO v3和YOLO v4其在识别效果方面有一定的提升。可见，所提出的改进网络在橙子检测上更有优势，能为今后智能采摘机器人的研发提供理论支撑和技术参考。