【摘 要】
：
植物病虫害严重影响植物的生长与生产,对其进行及时精准的识别与管控,能有效提升植物的产量和质量。近年来,深度学习发展迅猛,卷积神经网络作为深度学习的代表算法之一,具有较好的图像分类和识别能力,广泛应用于植物病虫害的识别研究。对近几年基于卷积神经网络的植物病虫害识别研究进行综述;简要介绍几种基础网络的模型结构、网络结构优化方法、卷积神经网络与其他方法的结合应用等;探讨目前基于卷积神经网络的植物病虫害识
【机 构】
：
华南农业大学电子工程学院/人工智能学院,广东广州510642;华南农业大学电子工程学院/人工智能学院,广东广州510642;广东省农情信息监测工程技术中心,广东广州510642
论文部分内容阅读
植物病虫害严重影响植物的生长与生产,对其进行及时精准的识别与管控,能有效提升植物的产量和质量。近年来,深度学习发展迅猛,卷积神经网络作为深度学习的代表算法之一,具有较好的图像分类和识别能力,广泛应用于植物病虫害的识别研究。对近几年基于卷积神经网络的植物病虫害识别研究进行综述;简要介绍几种基础网络的模型结构、网络结构优化方法、卷积神经网络与其他方法的结合应用等;探讨目前基于卷积神经网络的植物病虫害识别研究的热点难点,并对其应用前景进行展望。
其他文献
以厦门市湖里区仑后花园安置房的桩基施工为例,分析该项目因紧邻周边既有住宅小区施工作业面受限,在桩基施工过程中局部边桩变更为旋挖灌注桩,同时为避免不同桩型的不均匀沉降和对周边环境不利影响,提出对桩基的设计、施工、检测方案进行优化和开展基坑监测工作的思路与应用实践.
为延长沥青路面的使用寿命,解决沥青路面病害问题,以厦门市滨海西大道提升改造工程为背景,从表观病害及检测调查等方面对沥青路面技术状况进行综合评价,分析现状路面产生病害的原因,在综合考虑各项建设影响因素的基础上,结合柔性基层相比半刚性基层具有层间结合性好、对交通影响小以及有效消除基层反射裂缝等优势,提出旧沥青路面柔性基层补强方案,并通过路面补强结构验算确定路面结构.实践表明,提出的补强方案可靠有效,改造后路面均能够满足结构强度的要求,路面技术状况PQI值达到优,行车舒适度高.
为研究黔东南吊脚楼的抗震性能,运用ANSYS软件建立不同间隙的榫卯节点、不同质量的大屋顶的吊脚楼有限元模型,研究吊脚楼在El Centro、Tianjin、Taft地震波作用下的动力响应,得出以下结论:①有间隙的榫卯节点吊脚楼的自振频率低于无间隙的榫卯节点吊脚楼.屋顶质量大的吊脚楼自振频率低.②有间隙的榫卯节点减震效果更佳.③质量大的屋顶减震效果更佳.
以厦门新机场蔡厝片区石厝路及望嶝北路地下综合管廊工程B标段(土建部分)为例,探析了叠合拼装式综合管廊的结构设计、工法对比、构件组成、安装工艺等.工程实践表明,叠合拼装式综合管廊在很大程度上减少了模板、钢筋及脚手架的作业量,具有工期短、成本低、运输吊装方便、结构表面美观等优势.
随着装饰装修工程设计风格个性化发展,出现了各种异形装饰,给施工造成了一定难度.通过对新方法、新技术、新材料在室内装饰装修工程中的应用,探讨了施工实践中相关的应对措施.
基于建筑抗震两阶段设计法分析了隔震设计中存在的问题,对增量动力分析法进行介绍并提出将该方法用于隔震直接设计法的结果评估,结合某8度区隔震工程用增量动力分析方法对隔震设计结果进行研究.研究表明:增量动力分析的结果略大于隔震直接设计法结果,但最大误差并没有超过8％,可以满足简单隔震工程的应用需求.
为提高双目视觉系统定位精度,提出一种基于粗定位-精匹配的双目视觉目标定位方法。利用Canny边缘检测算法对左、右图像中的目标物体进行识别,提取目标物体最大、最小矩形区域,从而实现目标物体的粗定位。采用SIFT算法得到左、右图像中目标的特征点;用RANSAC得到精确匹配点,并计算出左、右图像中物体之间的透视变换关系;根据透视变换关系确定左图像的目标特征点在右图像目标潜在匹配点的位置,得到目标物体的三
鉴于船舶在航行时受到风、浪和流等不确定因素干扰,传统的船舶航迹控制方法难以在不确定环境且控制系统处于多输入、多输出的条件下精确建模,导致船舶容易偏离预设航迹,影响船舶行驶的安全性.为降低船舶偏航,实现船舶航迹的精准控制,将深度确定性策略梯度(DDPG)算法引入到控制系统.首先,分析船舶的运动学,详细介绍DDPG算法的基本原理并对算法进行改进;然后,在Matlab/Simulink中搭建船舶航迹跟随控制系统并进行仿真实验.实验结果表明,该系统稳定性好,能对外部干扰迅速做出响应,对船舶航迹控制具有一定的参考价
针对手机镜片缺陷检测采用人工目视法存在效率低、误检率高、易受主观影响;且现有的机器视觉法存在成本高和应用场景为静态图片等问题,提出一种基于YOLOv2网络模型的手机镜片缺陷实时检测方法。首先,对手机镜片缺陷检测数据集样本进行归一化处理;然后,调整网络模型的训练参数,并将数据集送入YOLOv2网络模型进行迭代训练,分析训练过程的性能曲线,得到最优权重;最后,对验证集样本进行检测分析。实验结果表明:该
针对目前空调外机检测主要采用的电参数定点阈值法无法达到最佳故障检测准确率的现状,提出一种基于支持向量机的空调外机故障检测方法.首先,利用主成分分析对时序列的电参数数据去噪;然后,采用差值法得到温度参数差值,并提取差值的区域特征;最后,将提取的区域特征输入支持向量机进行分类.该方法应用于空调外机的整机检测产线,有效降低检测误判率,提升产品质量.