深度学习在花卉养护技术中的应用

针对花卉养护过程中,由于人们缺乏专业的养护技术,花卉的养护难度大、成本高的问题,本文提出了一种基于深度学习的图像分类技术实现花卉的全自动化养护方法.因花卉的生长状况往往受诸多因素影响,仅依靠对花卉生长状况图像的分类容易对花卉的生长状况作出错误的判断,因此该方法设计了一种由花卉图像特征和生长环境参数组成的两个输入通道的卷积神经网络实现花卉生长状态的自动识别.实验表明,该方法可以提高花卉生长状况的识别准确率,从而可提高花卉的自动化养护技术水平.     

基于物联网的花卉养护远程监控系统设计

智能花卉养护使得"懒人"养花成为可能,因此越来越受青睐。为了实现家庭花卉养护过程的精细化、智能化、可视化、美观化,开发设计了一个智能花卉养护的远程监控系统,运用Arduino硬件开发平台、移动手机终端、机智云物联网云端网络及相关传感器模块等搭建一个家庭式花房智能监控系统,通过环境传感器采集花房内花卉的各类参数,运用Arduino硬件开发平台分析处理、机智云物联网平台实时监控,实现远程智能浇水、自动报警、自行处理分析数据等功能。实践表明该系统能够为家庭花卉的养护提供良好的环境,提高花卉生长的质量。     

基于深度学习的传感器故障数据分析系统设计

传统传感器故障数据分析系统硬件及程序设计不够兼容,存在实时性差,分析结果不够精准的问题。据此,提出基于深度学习设计了一种新的传感器故障数据分析系统,由传感器、ARM数据处理器、主电路板、FODI数据处理器、集成采集接口板、故障数据传感器、多转质感器、场效应传感器、GKCL储存器组成系统的硬件结构,ASVH248的最大特点就是分辨率高,能够有效提高系统显示的清晰度。分别设计了故障数据采集程序、数据处理程序和数据存储程序。为了检测系统的有效性,由采集程序采集传感器内部数据,处理程序对数据结果进行分析,存储程序负责记录分析后的结果。设定对比实验,结果表明,基于深度学习设计的传感器故障数据分析系统分析结果精准度提高了15.28%,实时性更强,使用价值更高。     

基于深度学习的车辆驾驶行为识别系统设计

传统系统的计算能力较弱,在车辆驾驶行为识别实际应用中经常出现错误识别,准确率较低,为此提出基于深度学习的车辆驾驶行为识别系统。系统硬件方面设计了主控制器、惯性传感器和报警器3个硬件设备,软件方面设计了数据清洗和基于深度学习识别驾驶行为两个功能模块,利用数据清洗模块对原始数据进行无效值处理、标准化处理,将处理后的数据利用深度学习网络模型进行分析,输出识别结果。实验结果表明,该系统的准确率高于传统系统,能够准确识别出车辆驾驶行为。     

深度学习技术及在花卉识别中的应用

深度学习(Deep Learning,DL)是机器学习领域的重要研究分支,当前已广泛应用在智能农业领域中的花卉识别、杂草检测和病虫害检测等方面。笔者介绍了深度学习的发展历程,阐述了主流的基于卷积神经网络的目标识别算法,将当前较为典型的两种图像识别算法FasterR-CNN和YOLO应用于识别花卉图片,通过比较分析两种方法在花卉图片识别过程中的优劣性,并提出了下一步的研究方向。     

基于深度强化学习的AGV智能导航系统设计

针对现有的AGV在大规模未知复杂环境中进行自主导航配送的问题,基于深度强化学习完成了AGV智能导航系统设计。首先,结合传感器对周围的障碍物进行探测感知,利用DDPG（deep deterministic policy gradient）算法实现AGV小车从环境的感知输入到动作的直接输出控制,帮助AGV完成自主导航和避障任务。此外,针对训练样本易受环境干扰的问题,提出了一种新颖的DL（disturb learning）- DDPG算法,通过对学习样本中相关数据进行高斯噪声预处理,帮助智能体适应噪声状态下的训练环境,提升了AGV在真实环境中的鲁棒性。仿真实验表明,经改进后的DL-DDPG 算法能够为AGV导航系统提供更高效的在线决策能力,使AGV小车完成自主导航与智能控制。     

基于深度学习的心理智能测评系统设计

为解决目前大部分人群心理健康状态差的问题,研究提出了一种基于深度学习技术和聚类算法的心理智能测评系统。在对该心理智能测评系统的性能测试实验中发现,研究提出的系统的均方误差0.001 2,低于对比系统。且在该系统的实证分析结果中发现,在使用该系统干预后,受试人群的心理健康评分大约提升17分。上述结果说明,研究提出的心理测评系统的性能优于其他测评系统,且该系统可有效解决人群的心理健康问题。故可以利用该系统对群众的心理健康状态进行调整,提高人群的整体心理健康水平,为全社会的心理健康作出贡献,促进心理健康领域的发展。     

基于残差网络迁移学习的花卉识别系统

传统的花卉识别算法一般是建立在手动特征提取和分类器训练的基础上，其泛化能力有限且准确度存在瓶颈。为此提出了基于深度卷积网络的识别算法，采用152层残差网络架构，在爬虫获取的大量标定数据基础上，对神经网络进行迁移学习训练。上线发布的算法集成系统中，用户拍照获取的花卉照片可通过网络传输到云服务器，并在服务端部署的深度学习架构下实现花卉快速识别。针对ImageNet和网龙花卉数据集的实验对比结果表明，基于残差网络迁移学习的方法具有识别准确率高、实时反馈、鲁棒性好等特点。     

基于深度学习的卷烟品规智能识别系统设计

针对卷烟库存盘点工作量大、效率低、准确率.差等问题,利用人工智能深度学习技术开发一套智能卷烟库存盘点系统,该系统搭载的智能优化识别算法模型,能够提升识别准确率至869%,且系统具有高鲁棒性,即能实现不同应用场景下的卷烟品规目标识别。     

基于深度学习的智能车辆辅助驾驶系统设计

为帮助驾驶员在夜间行车时确认前方路况,设计了保证自己及他人出行安全的车载夜视辅助驾驶系统。通过构建深度学习神经网络算法,将经预处理得到的车辆周围图像作为神经网络的输入数据,经逐层训练与调参得到离线网络运算,从实时图像数据中提取障碍物的特征信息与运动情况。通过驾驶车辆上采集设备探测反馈行车轨迹环境,正确识别车辆所处的环境状态,进而提醒驾驶员,并帮助车辆面对突如其来的危险时采取正确行驶决策,避免事故的发生。     

基于深度学习的伺服系统状态预测算法

针对传统状态预测方法难以从伺服系统历史数据中有效提取特征的问题,提出一种基于深度学习的伺服系统状态预测算法。该算法利用长短时记忆网络LSTM(Long Short-Term Memory)从时序和特征参数两个维度在系统状态参数中提取数据特征。并在多任务学习MTL(Multi-task Learning)框架下将具有相同特征参数的预测任务整合到同一个模型当中,所有预测任务共享LSTM网络权重。在每一状态参数预测阶段,独立地引入注意力机制,以调节不同时刻、不同特征对所预测状态的影响。针对应用中预测参数的重要性不同,构建加权损失函数,以减小重要参数的预测误差。实验结果表明,该算法与传统LSTM模型、单任务模型STL-LSTM相比,预测误差平均降低40.9%、19.8%。     

基于深度学习模型的自发学习表情识别方法研究

课堂教学环境中,面部表情自动识别是获取学习者情绪状态的重要方式。针对传统方法提取特征不全面、融合特征维度较高等问题,提出一种融合局部与全局特征的学习表情自动识别方法。该方法提取并融合表情图像的局部几何特征、KPCA降维的CLBP全局浅层纹理特征和CNN全局深度网络特征。此外,还构建一个全新的自发学习表情数据库,将课堂学习中的情绪分为困惑、快乐、疲倦、惊讶和中性等5种类型,用于CNN模型的训练。对比实验表明,该方法的识别正确率在CK+库、中国情绪图片系统和自发学习表情数据库中分别达到96.3%、86.7%和95.6%,高于传统的面部表情识别方法。该方法能够有效获取课堂中学生情绪变化,帮助教师准确全面地掌握班级学生的整体情况,促进课堂教学质量的提高。     

基于深度学习的视频近似拷贝检索

随着网络和多媒体技术的发展,越来越多的视频数据充斥着互联网,对视频进行有效的管理,尽可能排除其中的重复内容已经成为一项很重要的工作。基于这种现状,设计了一套快速而有效的视频近似拷贝检索系统。不同于传统的视频近似检测方法,该系统采用深度学习的方法,使用深度卷积神经网络快速地为采样帧提取特征,使用k-d树为视频库中的特征值建立索引,从而提高相似查找的速度,最后计算输入视频与所有候选视频的相似度,并按相似度对候选视频排序输出。     

基于Agent的智能化学习平台的研究

在传统的基于Web的远程教学系统中,系统按照事先设定的教学策略将课件存储在服务器上,等待学习者点击浏览或下载,学生只能被动地受教而不能根据自身特点选择学习策略,调度、控制学习进度,而在此单一模式下,教师的指导者地位也无法得到充分体现,师生间、学习者间的交互性和协作性差.提出了一种支持四层结构的智能化学习平台的解决方案.重点讨论了智能化学习系统中支持个性化学习的多Agent技术,包括:移动Agent、多Agent特性,个性化学习Agent的功能结构、Agent实现的技术、策略与层次等热点问题.     

基于深度学习的音频抑郁症识别

抑郁症以显著而持久的心境低落为主要临床特征,是心境障碍的主要类型,严重影响人们的日常生活和工作。研究人员发现,抑郁症患者与正常人在言语方面存在明显差别。提出一种基于卷积神经网络和长短时期记忆网络的音频抑郁回归模型(DR AudioNet)。从特征设计和网络架构两方面进行研究,提出多尺度的音频差分归一化(MADN)特征提取算法。MADN特征描述了非个性化讲话的特性,并根据音频段前后相邻两段的MADN特征设计基于DR AudioNet优化的两个网络模型。实验结果表明,该方法能够有效地识别抑郁程度。     

基于图深度学习的大宗商品价格预测研究

产业链上的多种大宗商品价格之间存在非线性相关性和上下游产品价格联动效应,经典的价格预测算法不能解决此类问题,对此提出一种基于图深度学习的大宗商品价格预测方法.该方法将产品现货价格、期货价格、产量等作为产品节点属性,产品上下游关系用产品结构熵量化作为边属性,CCPI、PPI作为全局属性,对全产业链上的产品进行价格预测.实...     

基于深度学习的多元信息嵌入推荐模型

传统的矩阵分解法只能简单提取低阶信息,特征组合单一,无法挖掘更多隐含信息.依赖稀疏的评分表已经无法满足个性化推荐.MovieLens数据集是研究推荐系统的经典数据集.通过改进神经协同过滤模型,使用多个嵌入层对MovieLens数据集所有信息进行嵌入分析,充分挖掘隐含信息,使得推荐算法更有实用意义.通过在MovieLen...     

工程试验课程计算机辅助学习系统开发环境的研制

本研究以工程试验课程为对象,研制了一个多媒体智能化计算机辅助学习系统开发环境.利用此开发环境,课程库管理者可以直观方便地建立多媒体课程库,教师可以针对不同的学生构造不同的学习规则,所建立起来的系统可以使学生进行高效率的学习.     

基于神经网络与模糊逻辑协同的智能诊断系统的研制

神经网络与模糊逻辑协同(Neuron—Fuzzy Cooperation，NTC)是两者深度融合的一种形态。本文探讨了NTC几个关键技术。并成功地开发了化工回收装置故障智能诊断系统。     

基于智能agent的故障诊断系统研究

首先指明了目前一般故障诊断系统的不足,在说明现代故障诊断系统应具有的特点的基础上提出了基于智能agent的故障诊断系统.从而构造出分布式、开放的、资源共享的诊断系统.从最大程度上解决故障诊断系统的通用性和高效性之间的矛盾.